通过研究多模态大型语言模型的内部机制，发现了领域特定神经元，并研究了这些模型如何处理不同领域的特征。提出了一个三阶段的语言模型模块框架，用于处理图像特征，并验证了这一假设。实验证明，操纵领域特定的神经元最多会导致10%的准确率变化，为多模态大型语言模型的发展提供了启示。