研究揭示音视频大模型内部信息流路径

1. 13:00
   arXiv · cs.AI

   研究揭示多模态大模型内部音频与视觉信息如何流向决策

   一项被 NeurIPS 2026 接收的研究追踪了音视频大语言模型（AVLLMs，Audio-Visual Large Language Models）内部的信息流，发现处理音视频视频时，音频与视觉信号沿视觉语言模型既有的顺序通路传递，贡献比例取决于任务对各模态的依赖；面对多个交错音视频条目时则转为并行流。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。