面试题库 › 算法 / 大模型 › 多模态大模型的结构与训练流程

多模态大模型的结构与训练流程

难度 ★★★在 4 场真实面经中被问到 方向:算法 / 大模型考点:视觉与多模态模型

哪些公司问过

字节跳动2拼多多1蚂蚁集团1

常见岗位:大模型算法、AI 应用 / Agent 开发

答案要点

  1. 结构:视觉编码器、连接器(MLP/Q-Former/交叉注意力)、大语言模型
  2. 阶段一:图文对对齐预训练,常冻结两端只训连接器
  3. 阶段二:多模态指令微调,放开语言模型,视觉编码器视情况解冻
  4. 阶段三:DPO/RLHF等偏好对齐,降低幻觉
  5. 坑点:分辨率与token数、数据质量、纯文本能力退化、视觉编码器学习率

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