← 全部筆記
Tag

Multimodal

10 篇相關筆記

多模態 Agent：AI 如何從理解資訊進一步採取行動？ Multimodal 16 min 從多模態到具身智能：AI 如何從理解世界走向與世界互動？ Multimodal 18 min 多模態評估：模型真的理解了，還是在猜？ Multimodal 18 min 多模態推理：Visual Token 為什麼這麼昂貴？ Multimodal 16 min 多模態 RAG：如何檢索圖片、PDF、表格與影片？ Multimodal 16 min 多模態訓練：模型如何從「看見」變成「理解」？ Multimodal 16 min 跨模態對齊：圖片與文字如何理解彼此？ Multimodal 16 min 多模態模型架構：對比式、融合式與統一式的取捨 Multimodal 18 min 視覺編碼器：ViT、SigLIP 與 DINOv2 的選擇 Multimodal 16 min 什麼是多模態 AI？從單模態 LLM 到跨模態理解 Multimodal 14 min