多模态与计算机视觉
【多模态数据分析】你有过用多模态模型进行数据分析的经历吗？ 「京东」
原题【多模态数据增强】你如何设计多模态数据的增强策略？ 「蚂蚁集团」
原题【多模态数据特点】之前的工作的多模态数据有什么特点和创新点，觉得还可以有什么改进？ 「百度」
原题【多模态数据预处理】电商数据多模态内容如何在大模型处理端预处理？ 「拼多多」
原题【多模态模型对比】请横向对比多模态大模型LLaVA、BLIP-2、Qwen-VL、InternVL、CLIP、DeepSeek等，说明它们的原理、结构（包括视觉编码器、语言模型、连接方式）、训练方式、特点及差异，并特别指出LLaVA与InternVL除了语言模型、视觉编码器和训练方式不同外还有哪些区别，以及LLaVA与BLIP-2的对比细节。 「京东、字节跳动、美团、蚂蚁集团、阿里通义」
原题【多模态模型微调】有没有微调过多模态大模型？ 「百度」
原题【多模态模型结构】讲一下主要的多模态模型的模型结构（图像编码器+连接层+LLM）；介绍LLaVA或Qwen-VL的架构：视觉编码器（如ViT）与大语言模型如何连接？最容易踩坑的点通常在哪里？ 「京东、字节跳动、拼多多、百度」
原题【多模态模型训练策略】训练时候ViT、对齐层、LLM部分学习率一般如何设置？ 「字节跳动」
原题【多模态模型路线】有没有了解过Nano、Image 2.0、Seedream这些模型，底层大概是什么模型路线？ 「百度」
原题Nano 和 Image 2.0 未明确厂商或版本。
【多模态海报生成】端到端中英文海报怎么做的？ 「腾讯混元」
原题
暂无题目