arXiv · cs.AI · Ziran Li, Qiang Wang, Zhengyu Chen, Shanglin Lei, Borun Chen, Jingang Wang, Xunliang Cai · 11 小时前模型评分50
从文本到视觉能迁移什么：视觉语言模型的能力缩放定律与迁移动态
What Transfers from Text to Vision? Capability Scaling Laws and Transfer Dynamics for VLMs
导读
作者提出能力驱动的多模态缩放定律（Capability-Driven Multimodal Scaling Law），用从大语言模型文本基准中经主成分分析（PCA，Principal Component Analysis）提取的低维能力分数 S，预测视觉语言模型（VLM，Vision-Language Model）的基准准确率。
分类置信度
中 · 待人工复核
- 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 propose the Capability-Driven Multimodal Scaling Law, the first cross-family framework that predicts VLM benchmark accuracy from directly observable textual capability.”
来源：arXiv · cs.AI · arxiv.org