技术博客

在多模态大型语言模型（MLLM）的开发中，长期存在一个昂贵共识：必须依赖图像-文本对才能实现多模态能力。然而，一种突破性方法——“数据邪修大法”正挑战这一范式：它仅凭纯文本数据即可完成MLLM预训练，彻底摆脱图像依赖。该方法在保持语义理解深度的同时，显著降低数据采集与标注成本，为多模态突破开辟新路径，标志着MLLM预训练进入“文本驱动”新阶段。