多图理解崩塌？揭秘VLM“胡说”机制与两阶段Map-Reduce工程解法
本文深入探讨了多模态大模型（VLM）在处理多图输入时出现的性能崩塌与幻觉问题。作者发现，相比于网页端，API调用在多图场景下准确率和一致性大幅下降，根源在于海量视觉Token导致的“上下文稀释”和“Lost in the Middle”效应...
标签索引
Map-Reduce
这个标签下有 1 篇文章。按时间回看相关判断与实践记录。
标签精选
标签索引
这个标签下有 1 篇文章。按时间回看相关判断与实践记录。
标签精选
本文深入探讨了多模态大模型（VLM）在处理多图输入时出现的性能崩塌与幻觉问题。作者发现，相比于网页端，API调用在多图场景下准确率和一致性大幅下降，根源在于海量视觉Token导致的“上下文稀释”和“Lost in the Middle”效应...