已收录文章摘要，完整内容可前往原文阅读。
多模态一定更好吗？从参数几何诊断缺失模态退化导读多模态模型在图像和文本都可用时通常更强，但部署环境未必总能提供完整输入。当图像完全缺失、只剩文本时，一个经历多模态训练的模型，是否至少能达到只用文本训练