论文标题：
Link-Context Learning for Multimodal LLMs
面向多模态大型语言模型的链接上下文学习
论文链接：
Link-Context Learning for Multimodal LLMs论文下载
论文作者：
Yan Tai, Weichen Fan, Zhao Zhang, Feng Zhu, Rui Zhao, Ziwei Liu
内容简介：
这篇论文提出了一种新的学习方法------链式上下文学习（Link-Context Learning, LCL），旨在增强多模态大型语言模型（MLLMs）在对话中理解和应用新概念的能力。通过强调"从因果关系中推理"，LCL超越了传统的上下文学习（In-Context Learning, ICL），通过加强支持集和查询集之间的因果关系，使MLLMs能够更有效地识别未见图像和理解新概念。为了评估这一新方法，作者引入了ISEKAI数据集，该数据集包含专门设计的未见生成图像-标签对，用于链式上下文学习。广泛的实验表明，LCL-MLLM在新概念的链式上下文学习能力上优于传统的MLLMs。
关键点：
1.链式上下文学习（LCL）：
- 引入了一种新的少样本学习设置，要求MLLMs在对话中吸收新概念，并保留这些知识以准确回答问题。
- LCL通过在支持集和查询集之间建立因果链接，增强了模型对源和目标之间因果关系的理解。
2.ISEKAI数据集：
- 为了评估MLLMs在LCL中的表现，作者发布了ISEKAI数据集，包含未见图像和全新概念。
- 数据集的图像由Stable Diffusion和Midjourney生成，标签或概念是虚构的，以确保MLLMs完全未见。
3.实验结果：
- 通过在ISEKAI数据集上的实验，展示了LCL方法的有效性，与现有的MLLMs相比，LCL-MLLM在处理完全未知图像的场景中表现出色。
- 在ImageNet-100数据集上的实验也证实了LCL方法的有效性，该数据集包含100个训练阶段未见过的类别。
4.训练策略：
- 论文提出了不同的训练策略，包括2-way、2-way-random、2-way-weight和mix策略，以提升模型在不同情况下的表现。
- mix策略通过结合2-way任务和Shikra的原始任务，提升了模型的泛化能力。
CV-MLLM必读论文合集：
希望这些论文能帮到你！如果觉得有用，记得点赞关注哦~ 后续还会更新更多论文合集！！
代码链接：
论文中提到，代码和数据将在以下链接发布：https://github.com/isekai-portal/Link-Context-Learning。