HAFI-VLM指出视觉编码器频谱响应刚性会削弱细粒度视觉证据提取。
推荐理由：把VLM细粒度感知失效归因到预训练视觉编码器层级频谱固定，说明仅靠下游微调难以按查询调整证据抽取，诊断角度较有启发。
阅读原文