AMPS: Adaptive Modality Preference Steering via Functional Entropy
AMPS: 通过功能熵实现自适应模态偏好引导
机构 * University of California, San Diego(加州大学圣地亚哥分校) ; Adobe Research(Adobe研究)
AI总结 AMPS通过实例感知的诊断度量和可学习模块,实现对多模态大语言模型模态偏好的自适应引导,有效调节偏好并降低生成错误率。
高校专区
AMPS: 通过功能熵实现自适应模态偏好引导
机构 * University of California, San Diego(加州大学圣地亚哥分校) ; Adobe Research(Adobe研究)
AI总结 AMPS通过实例感知的诊断度量和可学习模块,实现对多模态大语言模型模态偏好的自适应引导,有效调节偏好并降低生成错误率。
穿透杂乱:通过迭代物体移除实现结构化3D场景重建
机构 * University of California, San Diego(加州大学圣地亚哥分校) ; Adobe Research(Adobe研究院)
AI总结 通过迭代移除物体实现结构化3D场景重建,无需特定任务训练,提升复杂场景下的鲁棒性。
Comments To appear in 3DV 2026
RPG:一个用于统一和可扩展代码库生成的仓库规划图
机构 * Microsoft(微软公司) ; Tsinghua University(清华大学) ; University of California, San Diego(加州大学圣地亚哥分校) ; Beijing Jiaotong University(北京交通大学)
AI总结 RPG通过统一的图结构提升代码库生成效率,ZeroRepo在真实项目基准上实现显著更高的代码生成量和准确性。