词元重要性

对齐视觉语言模型所见与所感：自适应信息流

Aligning What Vision-Language Models See and Perceive with Adaptive Information Flow

提出一种基于词元动态的视觉词元重要性度量，在解码阶段抑制文本词元对无关视觉词元的注意力，可作为即插即用的推理时干预手段，用于提升 VLM 的视觉定位与抗幻觉能力。