visual-attribution

介绍了视觉归因蒸馏（VAD），这是一种用于多模态在线策略蒸馏的反事实目标重建方法，可估计教师纠正中可归因于视觉的部分。在4B和9B规模下的细粒度视觉基准测试中，该方法优于现有方法。