大模型与多模态数学专题
视觉语言模型和多模态生成为什么依赖对齐空间？
原题CLIP/InfoNCE 对比学习损失如何实现图文对齐？
原题Patch Embedding、视觉 Token 与文本 Token 如何进入同一 Transformer？
原题Cross Attention、Co-Attention、MMDiT 的多模态交互有什么数学差异？
原题Stable Diffusion 3/FLUX 类 Rectified Flow Transformer 的数学特点是什么？
原题RAG 系统的核心数学不只是余弦相似度吗？
原题Dense Retrieval、Sparse Retrieval、Hybrid Search 的打分函数有什么区别？
原题Rerank、Cross-Encoder、Late Interaction 的数学差异是什么？
原题MMR 如何在相关性和多样性之间折中？
原题RAG 评估中的 Recall@k、MRR、nDCG、Faithfulness 如何理解？
原题
暂无题目