面向全模态推理的文本中心后训练

英文标题：Text-Centric Post-Training for Omni-Modal Reasoning

该研究聚焦于提升 Omni Large Language Models 的联合音频—视觉推理能力。论文指出，传统改进方式通常需要付出较高的数据构建与训练成本。作者的诊断结果显示，即使模型能够正确回答对应的单跳问题，多跳推理仍然存在困难。由于所提供的原文摘要在此处截断，未包含具体方法、实验数据及完整结论。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB