modality_gap
고정된 이미지 인코더의 출력 공간과 고정된 LLM의 입력 임베딩 공간이 서로 맞지 않는 간극. BLIP-2는 1단계 표현 정렬로 이 갭을 먼저 좁힌 뒤 2단계에서 LLM에 연결한다.