← 返回卡片

原书出处

大语言模型-基础与前沿 (熊涛)

11 第11章 视觉语言模型

核验版本的摘录快照 · 导入于 2026-11-18T14:25:08.851Z

l,2020)与图像-文本匹配模型(如CLIP)(Radford et al,2021)相结合,用于生成基于图像的文本。

在生成文本时,MAGIC会使用CLIP诱导的得分(称为“魔术得分”)来影响语言模型,从而生成与之前生成的上下文一致的语义相关文本。

值得注意的是,由于这种解码方法不需要任何梯度更新,因此计算效率很高。在具有挑战性的零样本图像字幕任务中,MAGIC的性能

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter13.xhtml

EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d