VFA：通过无视觉适应增强多语言 MLLM

英文标题：VFA: Empowering Multilingual MLLMs via Vision-Free Adaptation

该论文提出 VFA（Vision-Free Adaptation，无视觉适应）方法，旨在提升多模态大语言模型（MLLM）的多语言能力。论文指出，当前多数 MLLM 仍以英语为中心，原因之一是高质量非英语图文监督数据稀缺且构建成本高昂。VFA 的研究方向是减少多语言能力扩展对非英语图像—文本数据的依赖，这对希望构建更低成本、多语种 AI 产品的开发者和行业具有参考意义。该工作以 arXiv:2608.26155v1 的新论文形式发布。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB