对齐GPT-4V
针对多模态大语言模型组合推理缺陷，增强细粒度视觉信息的同时保持通用理解能力。
Shun, Qian · 刘秉权 · 孙承杰 · Xu, Zhen · Wang, Baoxun
Lecture Notes in Computer Science 2026
采用多层视觉特征和对比学习阶段，LLaVA-1.5-7B在特定组合推理任务上达到GPT-4V水平。
该策略不仅保持而且提升了模型在通用多模态基准上的表现，避免了专门化带来的遗忘。