arXiv · cs.AI· Wenkai Li·· 12 天前AI 评分37
视觉生成能否扩展统一多模态模型的知识？arXiv 提出 KTP 探测协议
Can Visual Generation Expand What Unified Multimodal Models Know?
来源与原文
arXiv · cs.AI
作者：Wenkai Li
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/2610.21459v1
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
arXiv 论文提出 Knowledge Transfer Probing（KTP）协议，检验图像生成训练能否为预训练模型带来新知识。在 7 个知识类别和 3 个统一多模态模型上，视觉监督可向语言迁移知识，但迁移不均衡；作者进一步提出 Textual Alignment 与 Interleaved Image–Text Alignment，无需 QA 监督即可提升知识访问能力，且图像中正确再现的知识往往更易通过文本访问。
来源：arXiv · cs.AI · arxiv.org