图指令微调

Mario：基于大语言模型的多模态图推理

Mario: Multimodal Graph Reasoning with Large Language Models

把图拓扑作为结构先验注入视觉-语言特征对齐，并用可学习路由器为每个节点挑选最有信息量的模态配置，这一「图条件化 VLM + 模态自适应路由」思路可迁移到视觉场景图、多模态知识图谱以及图文检索中的结构化对齐问题。