研究者提出UMPIRE:MLLM免训练不确定性量化框架
热点事件持续更新
研究者提出UMPIRE:MLLM免训练不确定性量化框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
论文作者发布 UMPIRE,一种无需训练的多模态大语言模型不确定性量化框架,不依赖外部工具,仅用模型自身内部模态特征。其方法受 Determinantal Point Processes 启发,通过计算“非相干调整语义体积”捕捉样本全局语义多样性与响应局部非相干性。 据论文报告,UMPIRE 在图像、音频、视频文本基准上的错误检测与不确定性校准均优于基线,并可泛化到图像和音频生成任务,代码已开源。
AI 根据报道生成 · 3 小时前更新
最新进展11月16日 13:00
UMPIRE:无需训练的多模态大语言模型不确定性量化框架报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.AIUMPIRE:无需训练的多模态大语言模型不确定性量化框架
研究者提出 UMPIRE,一种无需训练的多模态大语言模型(MLLM)不确定性量化框架,不依赖外部工具,仅用模型自身内部模态特征。该框架受 Determinantal Point Processes 启发,通过计算"非相干调整语义体积"捕捉样本全局语义多样性与响应局部非相干性。实验显示其在图像、音频、视频文本基准上的错误检测与不确定性校准均优于基线,且可泛化到图像和音频生成任务,代码已开源。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。