拆解 NeurIPS 2023 VisionLLM 如何用 LoRA、语言引导图像 Tokenizer 与输出格式查询，把多模态大模型训练侧适配到检测、分割、视觉定位等可定制任务。

拆解 NeurIPS 2025 的 RePIC：以 GRPO、对象一致性、视觉定位和身份一致性奖励，用 2K 样本后训练 Qwen2.5-VL，提升多主体个性化图像描述，属于个性化（训练侧）方向。

拆解 NeurIPS 2024 Spotlight 论文 EVE：用无视觉编码器的 decoder-only 架构降低多模态视觉前处理开销，并核对其速度、精度、训练稳定性与端到端延迟边界，属于推理加速（推理侧）方向。

拆解 NeurIPS 2023 的 LaVIN 如何用 Mixture-of-Modality Adapter 和混合模态训练，以 3.8M 可训练参数适配文本与图文指令，属于个性化（训练侧）方向。

从 LoRA 适配、稀疏-稠密视频采样与 One-Token-Seg-All 训练出发，拆解 NeurIPS 2024 的 VideoLISA 如何把多模态大模型迁移到视频推理分割，属于个性化（训练侧）方向。

从指令感知 Q-Former、26 个数据集的指令微调与零样本评测出发，拆解 NeurIPS 2023 的 InstructBLIP 如何适配多种视觉语言任务。

从多出口 MLLM、动作一致性判据与预算约束出发，拆解 NeurIPS 2024 的 DeeR-VLA 如何动态跳过 LLM 层，实现多模态机器人推理加速。

从可学习身份 Token、视觉属性软提示与难负样本出发，拆解 NeurIPS 2024 的 Yo'LLaVA 如何用 5 张图完成多模态大模型个性化。

从 Hopper 的 TMA、WGMMA 和 FP8 出发，拆解 FlashAttention-3 如何用 warp specialization、GEMM-Softmax 流水与低误差量化提升精确注意力吞吐。

从 KL 约束的 RLHF 目标出发，推导 DPO 的闭式策略映射、偏好损失、训练流程、实验边界与复现要点。