Dense Coordinate-List Fine-Tuning Induces a Controllable Interference Surface in Vision-Language Models

En 3 lignesFine-tuner des modèles vision-langage sur des listes de coordonnées denses améliore le grounding visuel mais induit des répétitions parasites. Sur Gemma 4 12B, une LoRA haute capacité élève F1@0.3 de 0.007 à 0.448 mais crée un taux de doublons de 0.080. Un contrôle au niveau objet élimine les répétitions (taux 0.000) tout en préservant la performance (F1 0.490).

Résumé généré par Claude — vérifié par l'humain