黑豹：通过指令引导视觉提示照亮多模态大语言模型的视野

本研究解决了多模态大语言模型在视觉细节把握和小物体定位方面的不足。我们提出了一种新颖的方法“黑豹”，通过整合用户指令来精确定位目标，同时减少视觉信息的冗余，从而显著降低训练成本。实验结果表明，黑豹在视觉相关基准测试中表现出了卓越的效果。