التوجيهات البصرية

تمثيلات بصرية مُعالَجة تُضاف قبل مدخل النص في النموذج اللغوي الكبير. تعمل كرموز ناعمة تحمل المعلومات البصرية بشكل يفهمه النموذج اللغوي.

Processed visual representations prepended to the text input of an LLM. They function as soft tokens carrying visual information in a form the language model can understand.