Self-RefineVQA：免训练自纠错表格VQA框架

免训练自纠错框架让单个VLM迭代自评，提升表格问答准确率。

资讯摘要

论文提出 Self-RefineVQA，一种免训练、在推理阶段自我纠错的表格视觉问答框架，无需额外标注数据或更新模型。方法让单个 VLM 依次充当生成器、批评者和精炼者，形成闭环自我反馈，通过提示引导重评估纠正推理错误。作者报告在表格 VQA 基准上单语与跨语言理解均获稳定准确率提升，小模型（2B-7B）提升尤为明显。

要点速读

1. 论文提出 Self-RefineVQA，无需标注数据与模型更新，仅靠提示引导的迭代自评自纠。
2. 作者报告在表格 VQA 基准上单语和跨语言准确率均有稳定提升，2B-7B 小模型受益最明显。
3. 复杂度分析称推理成本线性增加，但省去人工标注瓶颈，数据效率更高、累计成本更低。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。