EDMA：基于熵驱动的多模态问答
英文标题：EDMA: Entropy-Driven Multimodal Answering
本研究提出了名为 EDMA（Entropy-Driven Multimodal Answering）的熵驱动多模态问答方法。多模态问答（MMQA）的核心挑战在于整合异构数据源，精准选择性利用相关模态并有效滤除干扰信息。现有基于多模态大语言模型（MLLM）的方案持续在此方向探索性能优化路径。该研究为多模态智能体与复杂数据检索场景下的模态协同及信息选择提供了新的理论与技术参考。
打开原文相关 2.4 · 机会 0
2.0 KB
640 B
612 B
380 B
9.1 KB
18.2 KB
22.8 KB
24.2 KB
34.7 KB
中文
论文信息
arXiv 编号：arXiv:2610.27120v1
发布类型：new
摘要
多模态问答（Multimodal Question Answering，简称 MMQA）的基础在于整合异构数据源，有选择地利用相关模态，并排除干扰信息。现有基于多模态大语言模型（MLLM）的方法主要通过整合与优化模态交互来提升性能……
BibTeX 引用格式
×
English / 原文
BibTeX formatted citation
×