多模态与计算机视觉
【RoPE处理视频方式】原来的RoPE在升级成M-RoPE之前，它是怎么处理视频的？具体来说，对于每一个每一帧或者说每一个patch，是怎么处理的？ 「京东」
原题来源未指定 M-RoPE 之前的模型与版本。
【RT-DETR与DETR对比】RT-DETR与DETR的优化。 「百度」
原题【ViT与Qwen2注意力对比】ViT使用的注意力和Qwen2是一样的吗，为什么这么设计？ 「阿里巴巴」
原题【ViT细粒度特征提取】VisionTransformer能很好的提取细粒度特征吗？如果想让ViT既提取到语义特征又提取细粒度特征，要怎么改进网络结构？ 「字节跳动」
原题【多模态ViT原理与训练】多模态大模型的ViT，解释原理、如何训练的？ 「阿里通义」
原题【ViT与CNN在商品分类中的对比与混合模型】分析VisionTransformer(ViT)与传统CNN(如ResNet)在“京东零售商品分类”中的优劣，设计混合模型方案(如CNN提取局部特征+Transformer捕捉全局依赖)，说明适用场景与效果预期。 「京东」
原题「京东、百度、阿里巴巴」
你有过图像与文本融合的开发经历吗？请结合具体项目说明。
如何衡量图像embedding和文本embedding之间的相似度？常用方法包括余弦相似度、点积等。
对多模态数据有什么了解？请介绍多模态数据的特点、常见对齐方法（如CLIP）及应用场景。
原题完整原题
【图文对齐与CLIP】1. 你有过图像与文本融合的开发经历吗？请结合具体项目说明。2. 如何衡量图像embedding和文本embedding之间的相似度？常用方法包括余弦相似度、点积等。3. 对多模态数据有什么了解？请介绍多模态数据的特点、常见对齐方法（如CLIP）及应用场景。 「京东、百度、阿里巴巴」
请全面讲解CLIP模型，包括：
「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」
模型结构：双塔结构（图像编码器如ViT/ResNet，文本编码器如Transformer）如何分别提取特征；
训练方式：对比学习（InfoNCE损失）如何将图文映射到同一向量空间，实现图文对齐；
零样本能力：如何通过提示工程实现zero-shot分类、检索等；
应用场景：图文检索、商品推荐等跨模态任务，相比单一模态模型的优势；
其他对比学习方法（如ALIGN、SigLIP）。
原题完整原题
【CLIP模型】请全面讲解CLIP模型，包括：1）模型结构：双塔结构（图像编码器如ViT/ResNet，文本编码器如Transformer）如何分别提取特征；2）训练方式：对比学习（InfoNCE损失）如何将图文映射到同一向量空间，实现图文对齐；3）零样本能力：如何通过提示工程实现zero-shot分类、检索等；4）应用场景：图文检索、商品推荐等跨模态任务，相比单一模态模型的优势；5）其他对比学习方法（如ALIGN、SigLIP）。 「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」
【ALBEF与BLIP模型】简单介绍ALBEF和BLIP这两个模型的核心设计，并说一下ALBEF模型。 「字节跳动」
原题【ALIGN与CLIP对比】ALIGN和CLIP的主要区别是什么？为什么CLIP在后来的开源生态中更具优势？ 「腾讯」
原题
暂无题目