DOCAI · 知识树 · 基础原理

多模态

Multimodal

图片、音频、视频怎样变成模型能读的 token。

这一枝现有 2 条：1 概念 · 1 课程 · 0 专题 · 0 新闻

概念

01

多模态（Multimodal）能同时处理文字、图片、音频等不同形式输入的模型。L2

课程

01

Claude 文件上传完全指南：支持格式与使用方法说清能上传哪些文件、上传后该怎么问、多份文件如何对比，以及扫描件解析和隐私上的边界。L1

相邻的分支

回到领域 →

机器学习基础AI、机器学习、深度学习、神经网络与推理的关系5 条语言模型token、词表、embedding：模型眼里的文字是什么6 条 Transformer注意力、参数量、MoE：一次生成是怎么算出来的4 条训练与对齐预训练、微调、RLHF、蒸馏、量化：能力从哪来5 条