一、现象观察：当文字披上图像外衣 在人工智能技术快速发展的当下，视觉语言模型（VLM）已成为多模态交互的核心载体。这类模型在处理纯文本输入时展现出惊人的理解能力，但当相同文字以图像形式呈现时，其性能却出……
