多模态与计算机视觉
【多模态搜索语义不一致定位与解决】如果给你一个多模态搜索场景，用户输入一张图片和一段文字描述，但返回结果中图文语义不一致，你会如何从模型和数据两个层面定位并解决这个问题？ 「腾讯」
原题【多模态素材质量评估与补全】在腾讯广告业务中，广告主经常提供图文完全不符或者分辨率极低的劣质素材。如果要设计一个多模态素材质量自动评估与补全优化的端到端系统，你的整体架构设计是什么？ 「腾讯」
原题【多模态防作弊与语义冲突检测】在微信看一看的图文资讯分发场景中，常常出现极其隐蔽的标题党现象(文本诱导,图片毫无关联)。请设计一个多模态防作弊鉴别系统，核心解决图文深层语义冲突的精准识别问题。 「腾讯」
原题【跨模态生成与优化】在商品广告创意生成中如何应用RL优化跨模态生成？ 「京东」
原题【长尾图文检索对齐】微信朋友圈的图片与短视频内容极具长尾多样性。如果要实现一个基于自然语言的精准相册检索功能，你会选择怎样的图文表征对齐方案，来克服用户口语化查询与复杂图像视觉细节之间的巨大语义鸿沟？ 「腾讯」
原题【多模态定义】多模态指的是什么？（介绍多模态） 「百度、美团」
原题【Qwen3-VL参数量】Qwen3-VL-4B图像和文本的参数量分别是多少？ 「字节Seed」
原题【多模态大模型介绍】请介绍除Qwen之外的主流多模态大模型，包括但不限于：LLaVA、DeepSeek-VL、苹果MM1、Video-LLaMA、GLM、InternVL、面壁智能的模型等。要求：简要说明每个模型的核心特点或架构。 「字节跳动、百度、美团、蚂蚁集团」
原题了解哪些多模态大模型（VLM）？请简要介绍几个。
了解多模态模型吗：blip、blip2、GME？
介绍ALBEF和BLIP。
你关注过开源多模态模型吗？
你对“多模态视觉技术”的理解是什么？
展开其余 14 个小问
你是如何使用这些多模态大模型的？
你熟悉多模态模型的可视化工具吗？
你认为多模态大模型的核心价值是什么？
多模态大模型与纯大模型区别？
多模态大模型为什么需要模态对齐？
多模态大模型的基本架构是什么？通常由哪几个核心部分组成？
多模态大模型的视觉编码器是什么？你用过哪些视觉编码器？
多模态模型在其中的核心作用是什么？
多模态输出是什么？
大模型算法那段：为什么要从单模改成多模？
它在多模态任务中的应用有哪些优势？
怎么使用多模态模型？怎么和多模态做结合？
是否了解qwen image，flux？
是否熟悉主流的VLM模型架构？
原题完整原题
【多模态大模型概述】了解哪些多模态大模型（VLM）？请简要介绍几个。 变体： - 了解多模态模型吗：blip、blip2、GME？ - 介绍ALBEF和BLIP。 - 你关注过开源多模态模型吗？ - 你对“多模态视觉技术”的理解是什么？ - 你是如何使用这些多模态大模型的？ - 你熟悉多模态模型的可视化工具吗？ - 你认为多模态大模型的核心价值是什么？ - 多模态大模型与纯大模型区别？ - 多模态大模型为什么需要模态对齐？ - 多模态大模型的基本架构是什么？通常由哪几个核心部分组成？ - 多模态大模型的视觉编码器是什么？你用过哪些视觉编码器？ - 多模态模型在其中的核心作用是什么？ - 多模态输出是什么？ - 大模型算法那段：为什么要从单模改成多模？ - 它在多模态任务中的应用有哪些优势？ - 怎么使用多模态模型？怎么和多模态做结合？ - 是否了解qwen image，flux？ - 是否熟悉主流的VLM模型架构？ 「京东、字节跳动、百度、美团、腾讯、腾讯混元、蚂蚁集团、阿里巴巴、阿里通义」
暂无题目