我要招人

互联网/IT行业面试题更新 2026-08-05

VLM 中图文融合通常如何实现？请简述常见方案。

贝壳找房人工智能互联网/IT技术原理方案权衡

考察说明

考察对视觉语言模型多模态融合机制的理解

回答思路

  1. 能列举视觉编码器与语言模型连接的典型方式
  2. 能够说明投影层、交叉注意力或统一 Transformer 等方案特点
  3. 对方案优劣有基本认识，如参数效率、对齐质量