ИИ и сложнейшие проблемы мира · Квантовая физика и квантовые вычисления · arXiv · 2026-10-22
Могут ли квантовые слои обеспечить преимущества в производительности и безопасности визуально-языковых моделей?
Оригинальное название: Can Quantum Layers offer Performance and Security Advantages in Vision-Language Models?
Используя LLaVA-OneVision в качестве базовой архитектуры, исследование оценивает 4- и 8-кубитные схемы basic-ring и сильно запутанные схемы, каждая из которых либо вставляется в классические компоненты, либо заменяет их в четырёх местах, и сравнивает производительность и вычислительные затраты с классическими моделями. На наборе данных Visual Spatial Reasoning вставка квантового слоя после визуального проектора достигает точности 80.7% на валидационном наборе, что на 2.28 процентного пункта выше классической полной тонкой настройки (fine-tuning), тогда как замена последнего feed-forward подслоя декодера сохраняет точность 79.22% при сокращении числа обучаемых параметров на 13.07 млн. Преимущества сильно зависят от расположения — более ранние замены снижают точность, а меньшее число параметров не гарантированно сокращает обучение или снижает объём вычислений; также оценивалась устойчивость в шести сценариях атак, и остаётся открытым вопрос, обобщаются ли эти преимущества.