多图交错输入如何保持图像身份、位置与语言指代一致？

知识专题：多模态与生成模型题目类型：方案设计技术难度：进阶

收录题集：1 份

暂无参考答案

未标记

询问 AI

选择 AI 平台

Kimi 千问 ChatGPT

自动带入当前题目

本题目录

收录题集

1 份

多模态与计算机视觉

阿东玩 AI · AgentGuide · 1 条原题

查看题集 →

- 【多图输入处理】如果现有的基座大模型采用主流的视觉扩展架构（如LLaVA路线），但在处理多图交错输入时极容易出现图像位置混淆和指代不明的问题，你会在网络架构的哪个具体部分进行针对性的改造？「腾讯」