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。

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。