热点事件观察中

研究：多模态大模型普遍存在文本主导

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Huyu Wu、Meng Tang、Xinhan Zheng、Haiyun Jiang 发表论文，称首次系统考察多模态大语言模型在图像、视频、音频、时间序列和图数据上的文本主导现象，并提出 MDI 与 AEI 两项指标量化模态失衡，发现文本主导在所有测试模态中普遍存在。作者将原因归于非文本模态的 token 冗余导致注意力稀释、融合架构设计，以及任务形式隐含偏好文本输入，并提出一种简单的 token 压缩方法；在 LLaVA-7B 上应用后，其 MDI 从 10.23 降至 0.86。

AI 根据报道生成 · 10 小时前更新

最新进展11月14日 13:00

语言压过其他模态：多模态大语言模型中的文本主导现象研究

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI
语言压过其他模态：多模态大语言模型中的文本主导现象研究
研究首次系统考察了多模态大语言模型在图像、视频、音频、时间序列和图数据上的文本主导问题，提出 MDI 与 AEI 两项指标量化模态失衡，发现文本主导在所有测试模态中普遍存在。作者归因于非文本模态的 token 冗余导致注意力稀释、融合架构设计以及隐含偏好文本输入的任务形式，并提出一种简单的 token 压缩方法。在 LLaVA-7B 上应用后，其 MDI 从 10.23 降至 0.86。

本事件热度走势

可比范围当前: 5
可比范围峰值: 711月15日 04:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。