arXiv · cs.AI · Yuquan Li, Xinyang Jiang, Yuhao Xue, Cairong Zhao · 10 小时前模型评分27
ERIM：用显式规则归纳提升多模态上下文学习
Multimodal In-Context Learning with Explicit Rule Induction
导读
研究者提出 ERIM 框架，让多模态大语言模型（MLLM，Multimodal Large Language Model）在上下文学习中显式归纳演示样本背后的潜在规则，而非直接做输入输出映射。该框架构建以规则为中心的数据集、引入规则归纳的显式监督，并用混合冷启动监督微调加强化学习的两阶段训练完成微调。实验显示多种多模态上下文学习设置下性能一致提升，正确归纳规则可直接带来更强更稳定的表现。
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 ERIM, Explicit Rule-Induction for Multimodal In-Context Learning, a unified framework that enhances MICL by explicitly inducing the latent rules governing demonstration samples.”
来源：arXiv · cs.AI · arxiv.org