Buchumschlag

Enhancing Large Vision Language Models with Self-Training on Image Comprehension

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Deng, Yihe, Lu, Pan, Yin, Fan, Hu, Ziniu, Shen, Sheng, Gu, Quanquan, Zou, James, Chang, Kai-Wei, Wang, Wei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mitigating Object Hallucination in Large Vision-Language Models via Image-Grounded Guidance
von: Zhao, Linxi, et al.
Veröffentlicht: (2024)

OpenVLThinker: Complex Vision-Language Reasoning via Iterative SFT-RL Cycles
von: Deng, Yihe, et al.
Veröffentlicht: (2025)

Rephrase and Respond: Let Large Language Models Ask Better Questions for Themselves
von: Deng, Yihe, et al.
Veröffentlicht: (2023)

Self-Play Fine-Tuning Converts Weak Language Models to Strong Language Models
von: Chen, Zixiang, et al.
Veröffentlicht: (2024)

Entropy-Based Adaptive Weighting for Self-Training
von: Wang, Xiaoxuan, et al.
Veröffentlicht: (2025)

Benchmarking Large Vision-Language Models via Directed Scene Graph for Comprehensive Image Captioning
von: Lu, Fan, et al.
Veröffentlicht: (2024)

MIRAI: Evaluating LLM Agents for Event Forecasting
von: Ye, Chenchen, et al.
Veröffentlicht: (2024)

Characterizing Truthfulness in Large Language Model Generations with Local Intrinsic Dimension
von: Yin, Fan, et al.
Veröffentlicht: (2024)

OpenVLThinkerV2: A Generalist Multimodal Reasoning Model for Multi-domain Visual Tasks
von: Hu, Wenbo, et al.
Veröffentlicht: (2026)

Self-Play Fine-Tuning of Diffusion Models for Text-to-Image Generation
von: Yuan, Huizhuo, et al.
Veröffentlicht: (2024)

MRAG-Bench: Vision-Centric Evaluation for Retrieval-Augmented Multimodal Models
von: Hu, Wenbo, et al.
Veröffentlicht: (2024)

RISE: Enhancing VLM Image Annotation with Self-Supervised Reasoning
von: Hu, Suhang, et al.
Veröffentlicht: (2025)

Self-Control of LLM Behaviors by Compressing Suffix Gradient into Prefix Controller
von: Cai, Min, et al.
Veröffentlicht: (2024)

Benchmarking Large Vision-Language Models on Fine-Grained Image Tasks: A Comprehensive Evaluation
von: Yu, Hong-Tao, et al.
Veröffentlicht: (2025)

On Asymmetric Optimization of Reasoning and Perception in Vision-Language Model Post-Training
von: Wu, Xueqing, et al.
Veröffentlicht: (2026)

VISCO: Benchmarking Fine-Grained Critique and Correction Towards Self-Improvement in Visual Reasoning
von: Wu, Xueqing, et al.
Veröffentlicht: (2024)

Matryoshka Query Transformer for Large Vision-Language Models
von: Hu, Wenbo, et al.
Veröffentlicht: (2024)

Medical Vision-Language Pre-Training for Brain Abnormalities
von: Monajatipoor, Masoud, et al.
Veröffentlicht: (2024)

InternLM-XComposer2: Mastering Free-form Text-Image Composition and Comprehension in Vision-Language Large Model
von: Dong, Xiaoyi, et al.
Veröffentlicht: (2024)

ReST-MCTS*: LLM Self-Training via Process Reward Guided Tree Search
von: Zhang, Dan, et al.
Veröffentlicht: (2024)

Self-Enhanced Image Clustering with Cross-Modal Semantic Consistency
von: Li, Zihan, et al.
Veröffentlicht: (2025)

S-GRPO: Unified Post-Training for Large Vision-Language Models
von: Yan, Yuming, et al.
Veröffentlicht: (2026)

Accelerated Preference Optimization for Large Language Model Alignment
von: He, Jiafan, et al.
Veröffentlicht: (2024)

Synchronous Faithfulness Monitoring for Trustworthy Retrieval-Augmented Generation
von: Wu, Di, et al.
Veröffentlicht: (2024)

Enhancing Fine-Grained Image Classifications via Cascaded Vision Language Models
von: Wei, Canshi
Veröffentlicht: (2024)

VEGA: Learning Interleaved Image-Text Comprehension in Vision-Language Large Models
von: Zhou, Chenyu, et al.
Veröffentlicht: (2024)

Self-Routing RAG: Binding Selective Retrieval with Knowledge Verbalization
von: Wu, Di, et al.
Veröffentlicht: (2025)

Solving Inequality Proofs with Large Language Models
von: Lu, Pan, et al.
Veröffentlicht: (2025)

MACAROON: Training Vision-Language Models To Be Your Engaged Partners
von: Wu, Shujin, et al.
Veröffentlicht: (2024)

Frontier AI systems have surpassed the self-replicating red line
von: Pan, Xudong, et al.
Veröffentlicht: (2024)

Self-Evolving Visual Concept Library using Vision-Language Critics
von: Sehgal, Atharva, et al.
Veröffentlicht: (2025)

Visualizing Dialogues: Enhancing Image Selection through Dialogue Understanding with Large Language Models
von: Kao, Chang-Sheng, et al.
Veröffentlicht: (2024)

A Comprehensive Survey of Reward Models: Taxonomy, Applications, Challenges, and Future
von: Zhong, Jialun, et al.
Veröffentlicht: (2025)

Flow-DPO: Improving LLM Mathematical Reasoning through Online Multi-Agent Learning
von: Deng, Yihe, et al.
Veröffentlicht: (2024)

Re-ReST: Reflection-Reinforced Self-Training for Language Agents
von: Dou, Zi-Yi, et al.
Veröffentlicht: (2024)

ConcEPT: Concept-Enhanced Pre-Training for Language Models
von: Wang, Xintao, et al.
Veröffentlicht: (2024)

A Lightweight Convolution and Vision Transformer integrated model with Multi-scale Self-attention Mechanism
von: Zhang, Yi, et al.
Veröffentlicht: (2025)

The Male CEO and the Female Assistant: Evaluation and Mitigation of Gender Biases in Text-To-Image Generation of Dual Subjects
von: Wan, Yixin, et al.
Veröffentlicht: (2024)

CompAlign: Improving Compositional Text-to-Image Generation with a Complex Benchmark and Fine-Grained Feedback
von: Wan, Yixin, et al.
Veröffentlicht: (2025)

Protein Large Language Models: A Comprehensive Survey
von: Xiao, Yijia, et al.
Veröffentlicht: (2025)