№mllms·concept
MLLMs
别名
- 首次出现
- 2026-05-22
- 最近出现
- 2026-06-15
- 累计提及
- 34
§ 01综述
多模态大语言模型（MLLMs）正从通用能力向专业化、轻量化和可扩展方向演进。近期研究聚焦于解决持续学习、视觉感知一致性以及细粒度情感理解等关键挑战。
可扩展持续指令调优基础设施：Prism 提出一种插件式、可复现的基础设施，支持多模态持续指令调优，旨在解决 MLLMs 在持续学习新任务时的灾难性遗忘问题，并提升系统可扩展性（Prism：面向可扩展多模态持续指令调优的插件式可复现基础设施）。
无训练自适应视觉搜索：CVSearch 针对高分辨率图像，提出一种无需额外训练的自适应视觉搜索方法，增强 MLLMs 对局部细节的感知能力，改善长尾或小目标识别（CVSearch：无需训练，自适应视觉搜索提升高分辨率图像感知）。
轻量视觉一致性模块：VIF 设计轻量模块，通过校准多模态特征对齐，维持 MLLMs 在跨模态生成中的视觉与语义一致性，降低计算开销（VIF：轻量模块维持多模态大模型视觉一致性）。
多标签视觉情感分析基准：MultiEmo-Bench 构建涵盖多标签情感类别的基准，系统评估 MLLMs 在复杂视觉情感分析中的表现，揭示现有模型在细粒度情感理解上的不足（MultiEmo-Bench：多标签视觉情感分析基准，评估多模态大模型）。
当前焦点在于如何平衡 MLLMs 的性能提升与资源效率，特别是在持续学习、高分辨率输入处理和轻量化设计方面。未来观察点包括：这些方法能否泛化到更多模态组合，以及它们在真实场景（如具身智能、医疗影像）中的部署效果。