本研究提出了一种名为BREEN的无编码器多模态学习架构，旨在减少训练数据需求。BREEN通过可学习查询和图像专家提高了性能，为传统编码器方法提供了有效的替代方案。

本研究提出了一种无编码器的多模态大语言模型SynerGen-VL，通过令牌折叠和视觉专家对齐策略降低训练复杂性，支持高分辨率图像理解，性能优于现有模型。