**晚层融合即足够：视觉饱和下的多模态大语言模型双路径视觉令牌路由**

_Late-Layer Fusion is Enough: Dual-Path Vision Token Routing for Multimodal Large Language Models under Visual Saturation_

> 多模态大语言模型通常对称处理图文令牌，但视觉令牌在中间层即饱和，文本令牌仍需深层处理。提出的DPVR-LF在视觉饱和点路由令牌至侧分支，深层仅处理文本，最后层再融合，以约3%可训练参数减少视觉计算，保持多模态性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-10 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.09131)