LASER：通过视觉注意力保持与汇点抑制矫正 LVLM 的透镜

大型视觉语言模型（LVLM）虽具备强大推理能力，但在长程解码中常出现视觉遗忘，导致注意力偏离视觉证据。本文发现性能下降主要源于早期注意力衰减及无关视觉汇点 tokens 的过度集中。为此，提出 LASER 后训练框架，引入视觉 grounding 奖励以维持对显著 token 的关注，并利用汇点抑制奖励防止注意力坍塌。实验表明该方法在八个基准数据集上显著优于基线，有效缓解了视觉遗忘问题。