多模态大模型与传统文本大模型在架构和训练数据上有哪些核心差异？

Question

Accepted Answer

考察点：考察对多模态模型架构与数据的基本认知。回答思路：指出输入模态从文本扩展到图像、音频等 说明常用的统一投影或编码器方案 提及图文对齐和指令微调

考察说明