多模态学习资料：面试题、系统教程。从实际问题进入，按自己的基础选择需要的内容。
共 36 条内容
多模态大模型面试准备枢纽：VLM、视觉编码器、图文对齐、Qwen-VL / LLaVA、OCR、视频理解、多模态 Agent 与应用落地 30+ 道真题。
模态对齐、数据构建与推理一致性的难点解析
信噪比定义、时间步变化及在调度与损失加权中的应用
学习内容与项目面试，在同一条路上。
模态对齐、数据构建、推理一致性与泛化能力分析
固定间隔采样 vs 关键帧提取,多模态大模型预处理方法对比
GAN、VAE、Diffusion、Autoregressive 技术路线及应用场景
均匀采样 vs 关键帧提取，多模态任务中帧采样方法的影响
扩散模型中专家网络按噪声水平划分的标准与动机
特征对齐、向量数据库与跨模态索引方案
基于时间间隔、关键帧检测与运动变化的策略对比
结合语义重要性、动态采样率与模型反馈机制
从兴趣来源和技术考量分析两种方向,适合职业规划
多模态扩散模型高噪/低噪专家选择机制与路由条件
图像分割为 patch 并映射为 token 序列的完整流程
架构思想、代表模型（CLIP/Flamingo/Qwen-VL）及训练方法概述
多模态架构、训练、跨模态对齐与推理效率四个维度
以BLIP-2/LLaVA为例,详解视觉编码器、Q-Former与LLM协作
多模态输入处理、对齐机制与典型架构设计详解
早期、中间、晚期融合以及对齐、效率与泛化的改进方向
SD v1/v2/XL/3/Turbo 架构、数据、质量、效率对比
图谱构建、实体链接、推理路径搜索与可扩展性分析
技术原理、系统架构与关键挑战,应用场景举例
技术演进与产业应用视角下的关键挑战与突破路径
多模态系统设计:视觉理解+检索增强,知识库构建与优化