Latent-Lens 视觉隐空间通信研究发布

Mo Shahdloo 等人发布论文 Latent-Lens，提出一种轻量级编解码器。该方法冻结 VLM 与 SLM，通过隐空间直接通信解决文本信息丢失瓶颈，仅训练约 1.6M 参数，占联合模型总参数的 0.2%。 在 CLEVR 和 GQA 视觉问答任务中，Latent-Lens 分别取得 81.0% 和 65.4% 的成绩。相比同等 LoRA 预算的文本通信基线，其性能提升了 30.2 至 69.8 个百分点，验证了跨架构与词表的通用性。 该研究成果已发表于 NeurIPS 2026 会议，进一步确认了利用隐空间增强小型语言模型视觉感知能力的有效性，为轻量化多模态模型通信提供了新的技术路径。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。