视觉基础能力

多模态大语言模型中对抗视觉表征退化的预测正则化

Predictive Regularization Against Visual Representation Degradation in Multimodal Large Language Models

提出预测正则化（PRe）强制中间层退化视觉特征预测初始视觉特征，为提升MLLM内部视觉表征质量提供可复用训练策略，可缓解语言驱动训练导致的视觉保真度下降。