面试题库 › 算法 / 大模型 › 常见的多模态大模型有哪些,M-RoPE 是什么

常见的多模态大模型有哪些,M-RoPE 是什么

难度 ★★★在 4 场真实面经中被问到 方向:算法 / 大模型考点:预训练模型

哪些公司问过

京东2字节跳动1蚂蚁集团1

常见岗位:大模型算法

答案要点

  1. 闭源:GPT-4o 系列、Gemini;开源:LLaVA、Qwen-VL、InternVL、MiniCPM-V
  2. 结构:视觉编码器加投影层加大语言模型
  3. M-RoPE 来自 Qwen2-VL,把位置拆成时间、高度、宽度三个分量
  4. 文本三分量相同,退化成一维 RoPE;图像高宽随位置变;视频时间随帧增
  5. 能统一表示文本、图像、视频位置,适应不同分辨率和长视频

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题