提出细粒度对齐范式(GAP)用于多模态大模型的视觉潜在推理,通过特征、上下文与样本难度三层对齐解决特征空间不匹配导致的推理不稳定问题,在多项视觉感知与推理基准上取得了优于现有基线的综合性能。
机构:阿里
来源:arXiv 2605.12374 | AI4Papers 论文推荐平台