在 LLaVA 基础上引入分辨率自适应编码器，主要解决的是哪个模块的性能瓶颈？请说明其作用机制。

Question

Accepted Answer

考察点：考察对多模态模型视觉编码器分辨率瓶颈的理解与机制解释。回答思路：指出瓶颈在视觉编码器处理高分辨率图像时的计算与显存开销 说明自适应编码器如何动态调整视觉 token 数量或分辨率 解释对后续跨模态对齐与推理效率的影响

考察说明