我要招人

互联网/IT行业面试题更新 2026-08-05

多模态模型如何将文本和图像映射到同一向量空间？

字节跳动人工智能互联网/IT技术原理方案权衡

考察说明

考察多模态对齐原理、训练方式和架构设计

回答思路

  1. 说明统一向量空间的含义与作用
  2. 解释对比学习或对齐损失如何拉近模态表示
  3. 讨论不同架构如 CLIP、双塔、交叉注意力
  4. 提及模态差异和训练数据要求
本题已收录答题指导

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。

开始模拟面试登录查看答题指导