利用 OCR 头部实现视觉语言模型语义的 verbalization

在 Qwen3-VL-8B 等 4 款模型中，研究者发现因果上必需用于 OCR 的注意力头部是通用语义功能模块，可在全图像 token 上输出可解释特征，甚至将“bike”提示词映射到鸟翼输出 “feathers”。