Artículos apuntan al equilibrio de modalidades en el razonamiento de los MLLM

Investigadores describieron Attention-Guided Switching, una estrategia de inferencia sin entrenamiento para modelos de lenguaje grandes multimodales que usa una proporción de atención de visión a texto para decidir cuándo emplear razonamiento latente en tokens perceptivos y razonamiento explícito en pasos lógicos. Una entrada separada de HF Daily Papers describió OPD-V, un enfoque visual de autodestilación on-policy que trata el equilibrio de modalidades como información privilegiada y selecciona tokens on-policy mediante una región de confianza basada en ese equilibrio. El informe de OPD-V señala que los experimentos abarcan seis benchmarks, pero el fragmento de fuente proporcionado no incluye resultados.