← 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

模型参数方面非常有效。尽管取得了这一成功,但在将检索技术整合到用于图像到文本生成的视觉语言模型中之前,必须解决一些问题。

首先,视觉语言模型需要在多模态预训练开始时无缝检索和编码外部知识,以防止预训练的自回归语言模型忽略编码不良的外部知识

;其次,多模态数据集可能包含描述同一图像的多个描述(如来自不同注释者)和具有相同描述的多个图像,这使得标准最近邻检索容易

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