arXiv · cs.CL· Junsung Park·· 2 天前AI 评分44
视觉语言模型中不只“指向”还能“写出”目标图像的注意力头研究
Heads That Write, Not Just Point: Image Retrieval Heads in Vision-Language Models
来源与原文
arXiv · cs.CL
作者：Junsung Park
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.04903v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 NeurIPS 2026 被接收的研究通过 ICIR-MCQ 探针分析视觉语言模型（LVLMs）内部如何检索与问题相关的图像，发现稀疏的 pointer heads 在多图像检索基准上可与外部视觉语言检索器竞争。研究进一步用输出侧分析识别 writer heads，发现注意力指针标准与输出标准选出的 top-100 heads 中仅 35 到 47 个重叠，而对这些任务最重要的 head 集中在这一交集中。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。