arXiv · cs.AI · Xinrui Shi, Kai Liu, Ziqing Zhang, Jianze Li, Anqi Li, Yulun Zhang · 8 小时前模型评分36
DRScaffold：用四阶段监督微调提升轻量视觉语言模型的密集场景推理能力
DRScaffold: Boosting Dense-Scene Reasoning in Lightweight Vision Language Models
导读
研究团队提出 DRBench 基准（14,573 道题、2,943 张图像，覆盖五类任务与三层递进推理）和 DRScaffold 监督微调框架，将监督目标拆成四个有因果顺序的阶段，无需改动模型架构即可让推理步骤与视觉实体对齐。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：data-resources，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “we first introduce DRBench, a benchmark of 14,573 questions across 2,943 images, organized into five task categories spanning three progressive reasoning layers.”
- “Our code is available at this https URL .”
来源：arXiv · cs.AI · arxiv.org