我要招人

互联网/IT行业面试题更新 2026-08-05

CLIP可以用于哪一类多模态RAG？

淘天集团人工智能互联网/IT技术原理技术选型RAG

考察说明

考察CLIP能力边界及其在多模态RAG中的适用位置

回答思路

  1. 能指出CLIP用于视觉-文本对齐编码而非OCR或细粒度理解
  2. 能说明适合以图搜图、图文匹配、图像级检索的多模态RAG
  3. 能识别CLIP不擅长细粒度OCR、长文本和复杂推理的场景