多模态

• 端到端语音模型：直接输入音频、输出音频——跳过语音转文字这一步 2026年8月16日 多模态
• BLIP-2 的 Q-Former：怎么用可学习的查询把视觉特征压缩成大模型能懂的 Token 2026年8月14日 多模态
• 视觉-语言模型（VLM）的架构：视觉编码器 + 连接器 + 语言模型——为什么是这三件套 2026年8月14日 多模态
• 多模态大模型（MLLM）是什么？给大模型装上眼睛和耳朵 2026年8月14日 多模态

• 7 / 7
• 上一页
• 2
• 3
• 4
• 5
• 6
• 7