提出了一种无需训练的熵梯度接地方法,通过反向传播下一个词分布的熵到视觉token嵌入来生成证据相关性图,用于在视觉-语言模型中进行测试时的证据检索,从而提升对细粒度视觉细节和跨空间分离区域线索的推理能力。
机构:苏黎世联邦理工
来源:arXiv 2604.08456 | AI4Papers 论文推荐平台