面试题库 › 算法 / 大模型 › InternVL2.5 与 Qwen2.5-VL 的动态分辨率差异

InternVL2.5 与 Qwen2.5-VL 的动态分辨率差异

难度 ★★★在 1 场真实面经中被问到 方向:算法 / 大模型考点:大模型结构演进

哪些公司问过

上海人工智能实验室1

常见岗位:大模型算法

答案要点

  1. InternVL 动态切图:按宽高比选网格,切成 448×448 的块,并加全局缩略图
  2. InternVL 每块经 pixel shuffle 压缩 token,再经 MLP 投影到语言模型
  3. Qwen2.5-VL 原生动态分辨率:ViT 按原图切 14×14 patch,用二维旋转位置编码
  4. Qwen2.5-VL 合并相邻 2×2 patch,token 数随图像尺寸连续变化
  5. Qwen2.5-VL 在 ViT 中用窗口注意力降算力,视频时间编码与绝对时间对齐

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