Reading, Not Thinking: Understanding and Bridging the Modality Gap When Text Becomes Pixels in Multimodal LLMs

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Sun, Kaiser, Yuan, Xiaochuang, Liu, Hongjun, Zhao, Chen, Zhang, Cheng, Dredze, Mark, Bai, Fan
Format:	Preprint
Publié:	2026
Sujets:	Computation and Language Computer Vision and Pattern Recognition
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2603.09095