Nanyang Technological University（南洋理工大学）

From Hindsight to Foresight: Self-Encouraged Hindsight Distillation for Knowledge-based Visual Question Answering

从回顾到前瞻：面向知识驱动视觉问答的自我鼓励回顾蒸馏

Yu Zhao, Ying Zhang, Xuhui Sui, Baohang Zhou, Xinying Qian, Li Shen, Dacheng Tao

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

AI总结 本文提出HinD框架，通过知识鼓励偏好优化提升多模态大语言模型的知识推理能力，实验表明其在OK-VQA和A-OKVQA上表现优异。

Quantification of Credal Uncertainty: A Distance-Based Approach

可信不确定性量化：基于距离的方法

Xabier Gonzalez-Garcia, Siu Lun Chau, Julian Rodemann, Michele Caprio, Krikamol Muandet, Humberto Bustince, Sébastien Destercke, Eyke Hüllermeier, Yusuf Sale

机构 * Public University of Navarre（纳瓦拉公立大学） ； Nanyang Technological University（南洋理工大学） ； CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） ； LMU Munich（慕尼黑大学） ； The University of Manchester（曼彻斯特大学） ； Université de Technologie de Compiègne（贡比涅技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； German Research Center for Artificial Intelligence (DFKI, DSA)（德国人工智能研究中心） 纠错

AI总结 本文提出基于距离的方法量化可信集中的总、随机和epistemic不确定性，通过积分概率度量框架获得可解释且计算高效的多类分类不确定性度量。