面向演变域的持续视频多模态大语言模型适应

视频多模态大语言模型在理解视频方面表现优异，但其对顺序演变域的适应尚待探索。针对真实场景中数据连续到达且需获取新知识而不遗忘旧能力的问题，本文提出分布感知专家路由（DAER）框架。该方法冻结预训练骨干网，维护域隔离的轻量级专家，并通过域内分布感知路由和域间路由机制实现细粒度 specialization 及鲁棒域识别。此外，引入自适应域合并与两阶段优化策略以提升可扩展性与稳定性。实验表明 DAER 在多个基准上优于现有方法。