这里的多模态模型特指多模态大型语言模型（multimodal LLM，即多模态输入、文本输出的模型），后续讨论以Qwen3.8-Omni为例。
这里的多模态模型特指multimodal llm（多模态输入，文本输出的模型）后续讨论以qwen3.8-omni为例。 传统的文本大模型预训练就是把各种文本按照特定recipe，把文字放进llm（transformer backbone），然后输出next token，然后loss就是cross entropy。 mllm比llm多了encoder和adapter。 encoder把多模态原... 
1 条评论
点赞
收藏