IXThinker·2026-07-05 17:40

篩走八成半數據 多模態訓練效果不降反升

多所高校團隊提出視覺必要性分數VisNec，通過比較模型看圖與不看圖兩種條件的表現差異，量化每條訓練樣本中圖像的實際作用。以此篩選數據，僅用一成半樣本即可追平甚至超越全量訓練表現，方法獲頂級會議收錄。

很多圖根本不必看

多模態大模型的訓練數據中，不少樣本「看不看圖都一樣」：模型單憑文字即可答對，圖像形同虛設。這種冗餘既浪費算力，也可能令模型養成忽略視覺資訊的壞習慣，拖累真正的多模態能力。