2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

多模态大模型中,多模态融合后怎样知道最终结果受哪种模态影响更大?

发布日期:2024-09-01 11:00:22 浏览次数: 3473
作者:瓦力算法学研所

微信搜一搜,关注“瓦力算法学研所”




本篇介绍多模态大模型中如何基于最终结果分析各模态的影响。



具身智能被众多大佬看好,通往AGI的路最终肯定需要多个模态的大模型互相融合。多个模态配合好也是有可能去构建一个模拟现实的世界模型的。


最近一直在研究和尝试多模态大模型在一些VQA领域的前瞻研究和实际落地部署问题,遇到一个值得思考的问题:如果当预测结果出问题的时候,怎么去溯源是哪个模态的数据出的问题呢?这个方向感觉探索的足够深入是可以发论文的。


由于基于注意力机制去溯源的方法在大模型时代成本极高,因此最后还是需要考虑建模后的可解释性方法,目前主要是找到一些比较经典的可解释性机器学习方法,大家有更好的思路也可以提一提啊~


下面是一个快捷目录。


1. 可解释性机器学习分类

2. 推荐方法


  一、可解释性机器学习分类


1. 内置 or 建模后

  • 内置可解释性:将可解释模块嵌入到模型中,比如说线性模型的权重、决策树的树结构。

  • 建模后可解释性:在模型训练结束后使用解释技术去解释模型。


2. 特定于模型 or 模型无关

  • 特定于模型的解释:意味着必须将解释方法应用到特定的模型体系结构中

  • 模型无关:解释方法与所用模型无关联,应用范围广


3. 全局解释 or 局部解释

  • 全局解释:解释模型的全局行为

  • 局部解释:在单条数据或者说单个实例上的解释


  二、推荐方法


主要推荐两个方法:Permutation Importance 和  SHAP;另外还介绍了一下类似于LIME (Local Interpretable Model-agnostic Explanations) 的思路,大家还可以基于这个思路去延伸~


1. Permutation Importance


前提:在model训练完成后,才可以计算

思想

基于“置换检验”的思想对特征重要性进行检测。简单来说,就是打乱某种模态的数据,保持其余特征不动,看其对预测精度的影响有多大。

计算步骤

1)用多模态数据训练一个MLLM。(也可以直接用开源的)  

2)验证集预测得到得分。  

3)验证集的某个单模态数据进行随机打乱,比如把文本给打乱,预测得到得分。  

4)将上述得分做差即可得到该模态对预测的影响。  

5)同理可以在3)中把另一个模态的数据随机打乱进行验证,最后比较即可。


2. SHAP (SHapley Additive exPlanation)


前提:在model训练完成后计算

思想

计算特征对模型输出的边际贡献,再从全局和局部两个层面对“黑盒模型”进行解释


SHAP构建一个加性的解释模型,所有的特征都视为“贡献者”:

对于每个预测样本,模型都产生一个预测值,SHAP value就是该样本中每个特征所分配到的数值。

具体来说,计算一个特征加入到模型时的边际贡献,然后考虑到该特征在所有的特征序列的情况下不同的边际贡献,取均值,即某该特征的SHAP baseline value,包括Kernel Shap,Deep Shap和Tree Shap。

这也是目前可解释机器学习在风控、金融中最实用的一个方法。


3. 类似于LIME (Local Interpretable Model-agnostic Explanations) 的思路


之所以说“类似于”是因为LIME暂时无法实现对图像的解释,但这个思路本身是值得借鉴的。

前提:在model训练完成后计算

思路

使用训练的局部代理模型来对单个样本进行解释。


假设对于需要解释的黑盒模型,取关注的实例样本,在其附近进行扰动生成新的样本点,并得到黑盒模型的预测值,使用新的数据集训练可解释的模型(如线性回归、决策树),得到对黑盒模型良好的局部近似。



实现步骤

1如上图是一个非线性的复杂模型,蓝/粉背景的交界为决策函数;

2选取关注的样本点,如图粗线的红色十字叉为关注的样本点X;

3定义一个相似度计算方式,以及要选取的K个特征来解释;

4在该样本点周围进行扰动采样(细线的红色十字叉),按照它们到X的距离赋予样本权重;

5用原模型对这些样本进行预测,并训练一个线性模型(虚线)在X的附近对原模型近似。


这样就可以使用可解释性的模型对复杂模型进行局部解释。


上述方向只是一些示例和思路,具体一些实现可以看看参考文献。

本文只是抛砖引玉,大家如果有更好的思路也可以一起讨论看看有没有论文可发~

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅