bennokrojer 新论文：视觉-语言对齐无需配对数据即可训练投影层

研究者 bennokrojer 分享的新论文表明，从视觉 token 到 LLM 输入空间的投影层（projector）同样可以在无配对数据（unpaired）的情况下训练。此前 Dominik Schnaus 的工作已证明视觉与语言嵌入空间能在无配对数据下对齐，新论文把这一思路推进到投影层层面。这一 PRH 方向的进展被视为多模态大模型训练范式的有意思变化。