本文系统综述多模态大语言模型(MLLMs)的下游微调技术，分析选择性微调、附加式微调和重新参数化微调三大策略的优缺点。研究指出MLLMs面临任务专家化和开放世界稳定的双重挑战，并通过基准测试证明不同微调方法在专业化与泛化稳定性间存在显著差异。未来研究将聚焦于平衡专门化与泛化能力、优化计算资源及提升跨模态适配能力。
多模态大语言模型（MLLMs）展现出卓越的通用能力，在视觉与语言推理任务中表现出色，并具备一定的跨任务泛化能力。但是，其在某些下游领域的应用能力有限。通过在下游数据上进行微调，MLLM能够灵活适配多种任务，从视觉问答到医学诊断等领域，展现出惊人的潜力。这是否意味着MLLM的下游微调已发展到足以应对不同领域的复杂挑战，并有效解决模型迁移与泛化问题的程度？不同类型的微调方法在应对这些挑战时各有哪些优势和不足？
近期，武汉大学研究团队发布了多模态大模型下游任务微调的最全综述与基准测试框架《Keeping Yourself is Important in Downstream Tuning Multimodal Large Language Model》。该研究系统性地梳理了MLLM 微调的三大策略：选择性微调（Selective Tuning），通过调整部分参数减少遗忘；附加式微调（Additive Tuning），通过添加适配模块而不改动原模型结构；以及重新参数化微调（Reparameterization Tuning），利用 LoRA 等低秩适配方法提升效率。此外，本文构建了标准化评测框架，系统性分析了不同类型微调方法的适用场景，并通过实验对比，在医学、遥感、科学问答等多个任务上进行测试，揭示不同场景下的最佳微调策略。
Ø 论文地址：https://arxiv.org/abs/2503.04543
Ø项目主页：https://github.com/WenkeHuang/Awesome-MLLM-Tuning
任务专家化与开放世界稳定：MLLM下游微调双重挑战
本文指出，尽管 MLLM 具备强大的泛化能力，在广泛应用场景中表现优异，但在专业领域或私人数据集上的适应性仍受限。现有研究主要关注通过下游任务微调以提升性能，却忽视了下游数据与预训练数据的分布差异而导致的泛化能力下降的问题。基于此，我们提出任务专家化挑战，即 MLLM 在异质数据上表现受限，影响特定任务的应用效果。此外，微调 MLLM 时，通常侧重于优化特定任务，而忽略了一般知识遗忘的问题。下游任务学习可能导致预训练知识的“灾难性遗忘”，从而削弱模型的整体性能和适应性。为此，我们提出开放世界稳定挑战，即微调后 MLLM 可能丧失预训练阶段的知识，影响其泛化能力和开放环境下的稳定性。图 1 对这两个关键挑战进行了概述。
为了应对上述关键挑战，近年来学者们不断研究各种先进的调优策略，但是目前没有统一的分类范式。本文将 MLLM 调参策略大致可分为选择性调参、加法调参和重新参数调整，详细阐述了每种调参范式的核心思想、关键技术及其适用场景，并针对任务专家化与泛化能力稳定性等核心问题，归纳不同方法的有效性及局限性。
基准测试与实验分析
除了对现有研究进行归纳，本文还设计了基准测试（benchmark）来评估不同微调方法的效果。我们将数据集划分为两类：预训练（可见）数据集和下游调整（不可见）数据集，以衡量 MLLM 的泛化能力和专业化能力。预训练数据集包含训练过程中使用的数据集、以及衡量通用性能的数据集，包括 OKVQA、GQA、TextVQA、OCRVQA、COCO-Cap 和 MME，其中前五个用于评估模型在视觉问答（VQA）和字幕生成任务上的源域能力，MME 用于评估多样化世界知识的保留情况。下游调整数据集涵盖多个领域，包括科学问答、图标推理、目标指代、图像-文本匹配和遥感 VQA等任务，能够全面测试 MLLM 在不同领域的适应能力。
通过对不同的模型架构和微调方法进行系统测试，结果表明各类方法在任务专门化和泛化稳定性之间存在显著差异。全层微调（Full-ST）尽管在下游任务中表现优异，但易导致过拟合，削弱泛化能力；低秩适配（LoRA）可在保留预训练知识的同时适应特定任务，但对数据分布变化较大的任务效果受限。选择性微调（Selective Tuning），尤其是调整顶层（Top-ST）或末层（Last-ST），在平衡任务专门化与泛化稳定性方面表现出色，能有效缓解灾难性遗忘。此外，低秩适配方法相比全层微调更能减少泛化能力下降，而视觉投影模块（Vision Projector）的调整有助于适应视觉域迁移，但在视觉特征相似的任务中，冻结该模块通常更优。因此，不同微调方法各有优劣，需根据具体任务需求选择最适策略，以优化模型的适应性与稳定性。
图4.
未来研究趋势
作者认为，当前多模态大语言模型微调仍面临诸多开放问题，其中最核心的挑战是任务专门化与泛化能力的平衡——如何在增强特定任务表现的同时，避免模型遗忘原本掌握的通用知识。此外，计算资源的优化也是一个关键问题，现有微调方法在大规模模型上的计算开销较高，限制了其实际应用。另一个重要方向是跨模态适配，即如何让模型更好地理解和融合不同模态的数据，如视觉与文本之间的深度交互。未来的研究可以从自适应选择性微调入手，开发更智能的调优策略，以动态选择最关键的参数进行优化；同时，基于知识蒸馏的稳定微调有望减少模型遗忘问题，提高泛化能力。此外，新型架构设计，如更紧密融合视觉与语言的模型，也可能成为提升 MLLM 任务适应性和稳定性的突破点。
AI大模型从0到精通全套学习大礼包
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！
如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！
01.从入门到精通的全套视频教程
包含提示词工程、RAG、Agent等技术点
02.AI大模型学习路线图（还有视频解说）
全过程AI大模型学习路线
03.学习电子书籍和技术文档
市面上的大模型书籍确实太多了，这些是我精选出来的
04.大模型面试题目详解
05.这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势，构建起"前沿课程+智能实训+精准就业"的高效培养体系。
课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！
如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
