一个多模态模型能同时看图片和读文字，你会怎样判断它是否适合审核门店陈列照片，而不是被演示效果迷惑？
考察说明
考查理解多模态模型能力边界并设计实际验证的能力。
回答思路
- 先明确审核目标是识别商品、读取价签、判断摆放关系还是发现违规，不同任务需要的视觉能力并不相同。
- 样本应覆盖正常照片以及逆光、遮挡、模糊、角度偏斜、不同门店布局等真实困难条件。
- 不能只看描述是否流畅，要把识别结果与人工标注逐项比较，并单独统计会造成业务损失的严重错误。
- 价签金额和商品编码等精确信息可结合 OCR 与规则校验，不能完全依赖模型从图片中自由生成。
- 还要评估图片隐私、上传耗时、单次成本和失败后的人工复核流程，再决定自动审核到什么程度。