本文分析了使用语言-仅依据进行视觉语义模型（VLM）选择中的两个挑战：模态差异和能力差异，并提出了一种名为SWAB的方法来缓解这两个差距。实验证明SWAB有效。

填补视觉语言模型选择中的模态和容量差距
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证