A message from the future sounds like science fiction, until someone starts asking how many bits it could actually carry.
大規模視覚言語モデル（LVLM）が段階的な思考による推論（Chain-of-Thought, CoT）を行う際、根拠と結果が一貫していないという重大な課題を発見しました。
NTTが大規模視覚言語モデル（LVLM）の推論根拠を説明できる新手法「根拠強化デコーディング」を開発した。推論時に画像と思考根拠の入力を分離し、それぞれから情報を抽出したうえで、出力直前で統合することにより、画像と思考根拠の両方に基づいた出力が得られ ...
一部の結果でアクセス不可の可能性があるため、非表示になっています。
アクセス不可の結果を表示する