**VETO:通过正交投影抑制 VideoLLM 微调中的文本捷径**

_Suppressing the Shortcut Hidden Behind the Gains of VideoLLM Fine-Tuning_

> 针对视频大语言模型(VideoLLM)在监督微调(SFT)中过度依赖文本规律而忽略视频内容的“捷径”问题,研究提出了 VETO 方法。该方法通过在激活空间对文本子空间进行正交投影,从更新机制层面直接抑制捷径,从而在保留训练分布性能的同时,显著提升模型在分布外测试集上的表现。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-11-20 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2611.25776)