论文精选11:13Gaze Heads:视觉语言模型如何注视它们描述的对象操控VLM输出,像翻漫画一样准#VLM#Gaze Heads#注意力头#多模态aarXiv cs.LG@Rohit Gandikota, David Bau原文稍后读已读值得跟进有用关注 VLM