RoboPIN: Razonamiento Incorporado con Cadena de Pensamiento Anclada
Descubre cómo RoboPIN con PinCoT mejora el razonamiento incorporado usando anclas visuales, logrando un 12% más de precisión en benchmarks.
#anclaje visual
MoDA: Adaptador de modulación para anclaje visual fino en MLLMs instructivos
Descubre MoDA, un adaptador ligero que mejora el anclaje visual en MLLMs mediante modulación por canal. Logra hasta +12 puntos en MMVP. ¡Código abierto!
Entropía no es suficiente: aprendizaje por refuerzo visual con tokens anclados
La entropía falla en RL visual: VEPO selecciona tokens visual-informativos y supera en hasta 3.15 puntos. Descubre cómo.
VistaHop: Evaluando razonamiento multi-salto para Visual DeepSearch
Descubre VistaHop, el benchmark que evalúa el razonamiento visual multi-salto. Solo el 24% de aciertos revela grandes desafíos para la IA.