多模态大模型主干

题集来源:Rocky Ding(WeThinkIn)收录项目:AIGC-Interview-Book查看原题集

题目目录

16 道原题
  1. 什么是语言模型骨架LLM-Backbone,在多模态模型中的作用?

    原题
  2. 什么是AutoRegressive自回归模型?

    原题
  3. 什么是AutoEncoding自编码模型?

    原题

    本题的 AutoEncoding 是语言模型预训练分类中的用语,正文以 BERT 为例。

  4. 什么是Encoder-Decoder(Seq2seq)模型?

    原题
  5. Flan-T5、ChatGLM、LLaMA这些语言模型有什么区别?

    原题
  6. 语言模型骨架如何处理多模态特征?

    原题
  7. 多模态模型在自然语言处理中的应用有哪些?

    原题
  8. 多模态大模型的主干架构通常基于Transformer,为什么选择Transformer?如何解决不同模态的异构性?

    原题
  9. 大模型的参数规模(如千亿级)对多模态学习有何影响?如何优化计算资源?

    原题
  10. 多模态融合的常见方法有哪些?早期融合与晚期融合的优劣对比?

    原题
  11. 如何设计大模型的预训练任务以实现跨模态对齐?

    原题
  12. 大模型训练中的灾难性遗忘问题如何缓解?

    原题
  13. 大模型如何实现高效推理?模型压缩技术有哪些?

    原题
  14. 如何处理多模态数据中的噪声和不平衡问题?

    原题
  15. 大模型的可解释性如何提升?跨模态注意力能否提供解释?

    原题
  16. 多模态大模型的评估指标有哪些?如何避免过拟合基准数据集?

    原题