視覚注意信号を活用したマルチモーダルLLMの圧縮法とは？
マルチモーダルLLMの知識精錬におけるトークンレベルの応答視覚注意ガイド
査読前の可能性がある研究情報
マルチモーダルLLMの知識精錬において、応答から視覚への注意信号を重視した新しい手法TRAGが提案される
速報・AI要約未精査
Multimodal Large Language Models
Knowledge Distillation
Token-level Response-visual Attention Guidance
arXiv cs.CL