研究者提出HIVE多模态潜在推理框架
热点事件持续更新
研究者提出HIVE多模态潜在推理框架
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
研究者 Yiming Zhang 等人提出多模态潜在推理框架 HIVE，其思路是不依赖表层文本推理链，而是通过递归扩展 Transformer 块构建内部循环，对推理进行迭代精炼，并把从全局场景到细粒度区域的分层视觉线索注入模型潜在表示，使多步推理在潜在空间中完成。 据该研究称，引入视觉知识后测试时扩展有效，分层信息也提升了模型对复杂场景的理解。相关结论来自论文自述，尚未见独立验证。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
HIVE：通过分层视觉线索注入实现多模态潜在推理报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CVHIVE：通过分层视觉线索注入实现多模态潜在推理
研究者提出多模态潜在推理框架 HIVE，通过递归扩展 Transformer 块构建内部循环进行迭代推理精炼，并将从全局场景到细粒度区域的分层视觉线索注入模型潜在表示，使多步推理完全在对齐的潜在空间中完成。评估显示，引入视觉知识后测试时扩展有效，分层信息显著提升模型对复杂场景的理解。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:00
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。