计算机科学 > 机器学习
[提交于 2025年7月20日
]
标题: TD-解释器:通过视觉语言学习增强对时序图的理解
标题: TD-Interpreter: Enhancing the Understanding of Timing Diagrams with Visual-Language Learning
摘要: 我们引入了TD-Interpreter,这是一种专门的机器学习工具,帮助工程师在设计和验证过程中理解来自第三方的复杂时序图(TDs)。 TD-Interpreter是一个可视化问答环境,允许工程师输入一组TDs并针对这些TDs提出设计和验证问题。 我们通过微调LLaVA,一个轻量级的7B多模态大语言模型(MLLM),实现了TD-Interpreter。 为了解决训练数据可用性有限的问题,我们开发了一个合成数据生成工作流程,将视觉信息与其文本解释对齐。 我们的实验评估证明了TD-Interpreter的实用性,在评估的基准测试中,其表现远远优于未调整的GPT-4o。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.