返回全部动态

EKT-Router:具身视觉语言模型的专家-证据对齐路由

原标题:EKT-Router: Expert-Evidence Alignment for Embodied Vision-Language Models

arXiv cs.CV一手来源研究质量 81

AI 摘要

香港中文大学、Knowin.AI 与香港科技大学(广州)等机构的研究者提出 EKT-Router,一个面向具身视觉语言模型的联合路由框架,同时选择能力专家、可选知识与感知工具,并用验证器筛选有效证据。在 6 个具身问答基准上平均得分 61.4,为对比系统最高;在 10 个通用视觉语言基准上平均 74.7。消融显示学习到的路由是主要贡献,知识与感知互补。

以上摘要由 AI 生成,可能存在误差。事实请以原文为准。

正文节选

EKT-Router: Expert–Evidence Alignment for Embodied Vision–Language Models Weilin Ruan1,2, Yingjie Xu2,3, Yangkai Wei2, Bohan Zhou1,2, Shuaibo Li1, Harold Haodong Chen3,4, Kaiwen Zhou2, Yinchuan Li2, Ying-Cong Chen3, James Cheng1,* 1The Chinese University of Hong Kong 2Knowin.AI 3The Hong Kong University of Science and Technology (Guangzhou) 4The Hong Kong University of Science and Technology CONTACT rwlinno@gmail.com * corresponding author Abstract Embodied vision–language models must answer que


发布时间:2026-10-27 12:00
抓取时间:2026-10-27 12:34
来源机构:arXiv
阅读原文arxiv.org