MOSAIC：通过模态分区梯度路由解决多任务学习中的任务-模态依赖失衡

MOSAIC 提出一种模态分离架构（MOdality-Separated Architecture with Inter-modal Cross-attention），通过保留单模态表示、控制跨模态交互，并利用模态专属损失将梯度路由至对应分区。在 CEJC 数据集的四项任务中，该方法使平均 macro-F1 提高 7.4 个点，同时相比融合式基线减少 72% 的骨干网络参数。