测试时干预

通过激活重放提升大型多模态模型的推理能力

Boosting Reasoning in Large Multimodal Models via Activation Replay

提出一种无需训练的测试时干预方法：通过操纵视觉 token，将基座 LMM 的低熵激活重放到 RLVR 后训练的 LMM 中，以提升多模态推理性能。该方法可复用于任何基于 RLVR 微调的视觉语言模型，以缓解推理覆盖变窄的问题。