NUS研究者提出TIGER弥合多模态推理接入缺口

新加坡国立大学研究者（Gregory Kang Ruey Lau、Minh Huynh Nguyen、Bryan Kian Hsiang Low）提出TIGER训练方法，指出多模态大模型对图像的推理退化不能只归因于感知失败，而是一种“模态推理接入缺口”：模型未能把感知到的视觉内容接入其在文本上已有的推理机制。论文已被NeurIPS 2026接收。 研究者称，TIGER仅用合成渲染文字图像训练、不依赖任何多模态标注，即可提升模型在多种真实世界视觉基准上的表现。这一效果为研究者的说法，论文中以此作为方法的证据。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。