跳到正文
热点事件持续更新

论文提出BaseRSI:免训练递归自我改进视觉语言模型

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Mingda Zhang等人在arXiv发布论文,提出名为BaseRSI的递归自我改进范式:基础视觉语言模型先改进自身的harness,再通过免训练编辑将harness带来的提升写入自身权重,如此循环迭代。论文称,其配套机制ReGap用每个transformer block的激活差信号监督编辑,ReKey通过回归将该信号写入少量key-value神经元。 作者报告,在十个视觉推理基准上,BaseRSI均在分布内和held-out基准上稳定提升基础模型表现,代码已开源。

AI 根据报道生成 · 58 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    BaseRSI:通过免训练 Harness 内化实现基础视觉语言模型的递归自我改进

    arXiv 论文提出 BaseRSI,一种递归自我改进新范式:基础视觉语言模型改进自身 harness,并通过免训练编辑将 harness 的作用写入自身权重。其配套机制 ReGap 用每个 transformer block 的激活差信号监督编辑,ReKey 通过回归将信号写入少量 key-value 神经元。在十个视觉推理基准上,BaseRSI 均稳定提升基础模型表现,代码已开源。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。