BLIP-2 相比 BLIP 做了哪些改进？BLIP-3 又引入了哪些关键变化？

回答思路

1. 明确 BLIP 到 BLIP-2 的核心改进点，如引入 Q-Former 并冻结视觉与语言模型
2. 说明 BLIP-2 两阶段训练策略（对齐预训练与生成预训练）
3. 指出 BLIP-3 的关键变化，如采用更简洁架构或结合新范式
4. 能区分三代模型在效率、性能或任务覆盖上的差异