TraceICL：通过线程解析的示例筛选与一致性校准实现稳健的多模态上下文学习

英文标题：TraceICL: Thread-Resolved Demonstration Curation with Consistency Calibration for Robust Multimodal In-Context Learning

论文 TraceICL 提出了一种面向交错式多模态上下文学习（ICL）的方法，用于提升冻结大型视觉语言模型（LVLM）的任务适应稳定性。作者指出，少量图文问答示例虽然可让模型学习新任务，但现有方法容易出现示例与错误图像绑定、示例冗余等脆弱性问题。TraceICL 通过线程解析的示例整理和一致性校准来改善示例质量，旨在增强多模态 ICL 的鲁棒性。该工作以 arXiv:2610.12516v1 的新论文形式发布，对依赖提示示例而非微调的多模态应用具有参考价值。

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