Qwen-VL 与 LLaVA 的归纳视觉逻辑：少样本跨分布适应新方法

Qwen-VL 与 LLaVA 等生成式视觉语言模型在零样本任务上表现强，但在未见过的专业领域（远距离 OOD）判别特征缺失时失效。IVL 是一种无需训练的新框架，通过双模式提示从少量支持图像提取语义描述与视觉观察，构建类别特征字典并分层过滤空间证据，在多个远距离 OOD 基准上达到最高综合准确率，且预测可解释、可追溯。