PAPER POSITIONING & LINEAGE论文定位与演进坐标
WHY THIS PAPER EXISTS研究动机 / 前序局限
独立视觉对比模型只能做图文检索分类,难以把多张图片或视频交错进大语言模型上下文完成开放生成与少样本问答。
CORE SHIFT核心方法跃迁
保留冻结语言模型与视觉编码器主干,插入 Perceiver Resampler 定长压缩空间特征并用 Gated XAttn-Dense 交错注入视觉信息。
ARCHIVE PROVENANCEZotero / PKA 溯源
Zotero 已入库(NeurIPS 35, DOI:10.52202/068431-1723),作为交错图文少样本上下文 VLM 起步基石。
WHAT REMAINED遗留局限 / 开放问题
模型规模高企且闭源,深层交叉注意力插入改动了对既有标准 LLM 推理栈的直接复用。
来源与归档记录
- 档案来源:
Zotero / VLM Foundations - 文献定位:Zotero 已入库(NeurIPS 35, DOI:10.52202/068431-1723),作为交错图文少样本上下文 VLM 起步基石。
个人精读正文(预留)
本页先展示题录定位、知识图谱上下游与本地文献归档状态;完整分节推演与复现实验记录预留于此,后续补充正文内容。
CONNECTED IN KNOWLEDGE SYSTEM知识体系关联节点与长文