阿里巴巴面试题更新 2026-08-05
视觉编码器和 LLM 连接时，使用 BLIP2 中 Q-Former 那种复杂的适配器好还是 LLaVA 中简单的 MLP 好，说说各自的优缺点？
阿里巴巴人工智能电商技术原理技术选型方案权衡
考察说明
考察对多模态模型架构中视觉-语言连接器设计的理解与权衡
回答思路
- 能准确描述 Q-Former 和 MLP 的结构差异及作用
- 能分析 Q-Former 对视觉特征压缩与对齐的优势
- 能指出 MLP 的简单高效与对齐能力不足的缺点
- 能结合训练数据、计算资源、任务类型讨论选型权衡
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。
