¿Qué está frenando el razonamiento visual latente?
Resumen del corpus
Un estudio sobre Modelos de Lenguaje-Visión investiga los problemas que limitan el razonamiento visual latente. Se encontró que los tokens latentes proporcionan información limitada y que los tokens generados en tiempo de inferencia se desvían de sus representaciones oráculo, lo que obstaculiza el progreso en esta área. Se sugiere que el futuro depende de conjuntos de datos de alta calidad y una predicción más precisa de tokens latentes.
Tags
Personas mencionadas
Noticia original