LoopVL：循环式视觉智能
LoopVL研究了能否将Loop Transformer有效扩展到视觉语言模型。该模型结合Module-Loop与Model-Loop计算，通过共享模块迭代更新统一的视觉语言状态。LoopVL从零开始训练，经历语言预训练、多模态训练和后训练。在多模态理解和视觉推理基准测试中，其表现优于多个规模相近或更大的非循环模型。研究人员还观察到，随着循环迭代，视觉注意力会发生显著变化。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。