🤖 系统
11-30 17:47
📄 论文总结
通过头尾数据再平衡对抗LVLM自我改进中的马太效应 / Counteracting Matthew Effect in Self-Improvement of LVLMs through Head-Tail Re-balancing
1️⃣ 一句话总结
这项研究提出四种高效策略来解决大型视觉语言模型在自我改进过程中对简单问题过度优化而忽视复杂问题的马太效应,通过数据分布重塑和轨迹重采样方法显著提升了模型的视觉推理能力。