Forschende der University of California haben festgestellt, dass die gängigen Metriken zur Bewertung des kompositorischen Schließens von multimodalen KI-Modellen deren Fähigkeiten systematisch unterschätzen. In ihrer Veröffentlichung „Test-Time Matching: Unlocking Compositional Reasoning in Multimodal Models“ berichten sie über ihre Ergebnisse und stellen einen von ihnen entwickelten Algorithmus namens TTM (Test-Time Matching) vor. Test-Time Matching ist ein sich selbst verbessernder, iterativer Algorithmus, der die Modellleistung ohne externe Überwachung steigert. Mit TTM übersteigt die MMVP-VLM-Performance von SigLIP-B16 die von GPT-4.1 und stellt somit einen neuen „Stand der Technik“ dar. Experimente mit 16 Datensatzvarianten haben dabei gezeigt, dass TTM die Leistung in verschiedenen Umgebungen konsistent verbessert – auch in solchen ohne metrikbedingte Effekte oder vordefinierte Gruppenstrukturen. (jr)
Ähnliche Artikel
Branchen-News
STW und driveblocks: KI-Assistenzsystem für mobile Arbeitsmaschinen
Im Fokus der Zusammenarbeit steht die Integration der driveblocks Autonomy Platform mit der STW HPX.ai-vision. Die modulare Plattform ermöglicht fortschrittliche Assistenzfunktionen wie Personen- und Objekterkennung.
News
Nvidia: Open-Source-KI-Modelle für autonomes Fahren der Stufe 4
Das neue physische KI-Modell Alpamayo soll Robotaxis befähigen, seltene und komplexe Verkehrssituationen sicherer zu bewältigen und Fahrentscheidungen nachvollziehbar zu erklären.
News
Nvidia: Offenes Reasoning-VLA-Modell für AVs
Nvidia stellt Alpamayo 2 Super mit Multitaskfähigkeiten ab sofort unter einer OpenMDW-1.1-Lizenz für den kommerziellen Einsatz bereit. Diese Lizenz schließt das Fine-Tuning, abgeleitete Modelle und die kommerzielle Weiterverbreitung ein. Bei LingoQA belegt das neue Modell den ersten Platz unter fast 40 von Nvidia bewerteten Modellen.
