返回全部题目← 上一题69 / 85下一题 →题库/模型训练与对齐/Q-5659多模态预训练数据如何兼顾质量、规模与模态覆盖？知识专题：训练数据构建与治理题目类型：方案设计技术难度：进阶收录题集：21 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集21 份多模态与计算机视觉阿东玩 AI · AgentGuide · 5 条原题查看题集 →【Caption与图文交错数据】从模型的角度，caption数据和图文交错数据主要的区别是什么？ 「美团」【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」【长多模态数据】长多模态数据如何获取？ 「腾讯」展开其余 2 条原题【多模态长序列数据】多模态长序列数据如何获取？ 「百度」【多模态预训练噪声】在大规模多模态数据预训练中，如何缓解文本侧的“叙述噪声”问题？ 「腾讯」数据与评测阿东玩 AI · AgentGuide · 5 条原题查看题集 →【多模态数据比例失调】如何处理训练数据中图像和文本比例严重失调(如1:100)的情况？ 「腾讯」数据过滤与长视频处理数据集构建技巧+过滤方法，图像、视频数据过滤方法，比如如何处理图像-文本对的噪声（如描述与图片不符），保证数据质量？ 「京东」展开其余 2 条原题请详细描述数据处理到训练的pipeline，重点包括：去重（文本、图像去重）、过滤、去污（Decontamination）的完整流程；评估caption数据的维度；【数据不平衡处理】你有过解决多模态数据不平衡的经历吗？ 「京东」图像分类Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →DINOv2 如何通过数据去重和检索构建高质量预训练集？01_AIGC时代数字人基础高频考点Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →虚拟换衣如何构造训练三元组数据？数字人训练数据如何采集、清洗和标注？03_音频驱动数字人与长视频生成高频考点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →音频驱动数字人数据如何处理与评估？展开剩余 16 份题集04_ID保持换脸与虚拟换衣高频考点Rocky Ding · AIGC-Interview-Book · 4 条原题查看题集 →多人 ID 数据集如何构建？ID 保持、换脸和换衣如何做数据与评估？虚拟换衣如何构造和筛选三元组数据？展开其余 1 条原题虚拟换衣常用数据集有哪些？图像创作 · Stable Diffusion&FLUX系列大模型基础Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →Stable Diffusion 3 中数据标签工程的具体流程是什么样的？图像创作 · 类LoRA技术基础Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →LoRA训练数据、Caption标签和长宽比分桶应该如何构造和设计？图像创作 · 主流AIGC图像生成编辑大模型汇总系列Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →如何构造更有效的训练监督？图像创作 · AIGC图像生成领域的训练&性能优化技术Rocky Ding · AIGC-Interview-Book · 3 条原题查看题集 →AIGC图像创作大模型的数据工程通常包含哪些关键环节？为什么高质量Caption、VLM重标注和合成数据会显著影响Prompt Following？文字渲染、知识图像和编辑数据应该如何构建？多模态大模型主干Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →如何处理多模态数据中的噪声和不平衡问题？AI多模态精华版·理论基础Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →多模态模型的训练数据与 LLM 有什么本质不同？AI多模态精华版·主流模型核心技术Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →原生多模态预训练的数据配比与工程要点是什么？三道闸数据过滤流水线如何抑制重复生成？AI多模态精华版·原生模型Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →模态混合比例与注入时机如何影响模型能力？GLM-V系列模型核心考点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →GLM系列在预训练阶段如何平衡大规模数据覆盖与质量管控？Qwen-VL系列模型核心考点Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →Qwen2.5-VL预训练数据构建的核心质量策略？从Qwen-VL到Qwen2.5-VL的多语言支持演进？01_AI视频核心基础知识Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →AI视频领域的数据工程是什么样的？03_视频生成典型模型与架构Rocky Ding · AIGC-Interview-Book · 4 条原题查看题集 →Sora是如何对视频数据进行标注的？可灵AI视频大模型是如何处理训练数据的？介绍一下Wan2.1视频大模型的数据处理策略和训练/推理优化策略展开其余 1 条原题介绍一下Hunyuan-Video的数据标注策略06_人体视频生成专题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →列举几个常用的人体视频生成数据集并说明其特点09_数据集与性能评测Rocky Ding · AIGC-Interview-Book · 6 条原题查看题集 →MAGI-1模型在处理大规模数据时是如何进行数据预处理的？HunyuanVideo-Avatar的训练数据是如何筛选和预处理的？具体使用了哪些工具或方法？为什么需要过滤低亮度或低美学的视频？这对生成结果有何影响？展开其余 3 条原题Ref-SAV数据集是如何设计的？它在Sa2VA模型的训练中起到了什么作用？Sa2VA使用了哪些数据集进行训练和评估？Ref-SAV数据集的特点是什么？05_视频生成训练与工程优化Rocky Ding · AIGC-Interview-Book · 3 条原题查看题集 →视频切片、去重和镜头切分为什么会直接影响训练效果？高质量 video caption 应该如何服务于 T2V 训练？图像-视频联合训练的混合比例应该如何理解？相关题目4 题0081如何合成 Agent 训练任务，并验证任务设计带来的增益？同一知识专题题目类型：方案设计技术难度：深入相关面经：3 篇0082Coding 方向训练数据如何扩规模，如何考虑外部采购？同一知识专题题目类型：方案设计技术难度：深入相关面经：1 篇0088如何用知识图谱合成 Agent 任务？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇0089训练数据如何合成与筛选？同一知识专题题目类型：项目深挖技术难度：进阶相关面经：5 篇♥♥♥♥♥← 上一题已到最后一题← 上一题机器学习中的特征编码与解码如何设计？下一题 →多模态训练如何设计单模态与跨模态数据增强？
