§15.2.8
OCR-free 文档 VLM（GOT-OCR2 / DocOwl / MiniCPM-V）？
- §15.2LLaVA 1.5 / 1.6 的 MLP projector + 视觉指令微调？→
- §15.2MiniGPT-4 / mPLUG-Owl / InternVL 1/2/2.5 / Qwen-VL / Qwen2-VL / Qwen2.5-VL / Qwen3-VL 的关键差异？→
- §15.2动态分辨率（AnyRes / Native dynamic resolution）方案？→
- §15.2Grounding 能力（Kosmos-2、Grounding-DINO、GLaMM、Ferret）如何注入坐标？→
- §15.2视频 VLM：Video-LLaMA / Video-LLaVA / VideoChat2 / LLaVA-Next-Video / VideoLLM-MoD？→
- §15.2原生多模态：GPT-4o / Gemini / Chameleon 的统一 token 设计？→