跳到主要内容
检索

Carl von Ossietzky Universität Oldenburg

2 篇关联报道

订阅更新
  1. arXiv

    视觉头发现分数换了读注意力的位置:必要性跟着查询跨度走,默认强度的可操控性随机头也能达到

    视觉语言模型里用来定位“看图”注意力头的发现分数,其内部选择会明显改变选出的头。研究在Qwen3-VL-8B-Instruct上完整交叉查询类型、发现语料与读取注意力的token位置,并用可操控性与必要性两种干预检验全部12组头集。结果只有必要性随注意力来源变化:查询跨度头集比末token头集更必要,两个指代加查询跨度头集高出250组同层随机头集17–19个标准差;而在默认强度下,没有任何发现头集的可操控性超过同层随机头集。

  2. arXiv

    EAGER 用可验证奖励强化学习提升生成式事件抽取,在七个基准上超过提示、监督微调与既有强化学习基线

    该工作提出 EAGER,一个面向生成式事件抽取的强化学习框架,将细粒度可验证奖励与 Schema-Contrastive Advantage Estimation 结合,以缓解稀疏二值奖励下的优势坍缩;其奖励设计显式覆盖结构有效性、抽取准确率、接地性、覆盖率、过度生成与跨度精确度,在七个基准数据集上持续优于提示、监督微调与既有强化学习基线,并相对最强先前方法取得显著提升。

已读完全部报道