本篇文章记录ai自学过程。2025年是agent元年，转行之旅从现在正式开始！！！

1.多模态
https://www.bilibili.com/video/BV1zNt8zzEZX/?spm_id_from=333.1007.tianma.1-3-3.click&vd_source=ce2d296140a2f6de60b84bd36bb33b44
总结：

• 图片+文字等不同的格式输入就算多模态输入。
• 文字输入为传统transformer模型，输入的文字分词后转为向量输入给大模型。大模型根据向量一个个输出对应概率的词。
• 大模型为什么可以按照指定格式输出？因为大模型内部存在一个结构器，不符合结构的词不会出现在候选词语中。
• 图片与文字的向量计算不在同一向量空间里，因此需要训练，找出足够数量的图片-文本描述对，点积越大越匹配，需要对比学习让正样本对点积增大，负样本对点积减小。简单来说就是把图片先转为一段文字的描述。
  2.概念
  大模型 = 参数量很大的模型
  模型 = 一堆参数组成的函数
  大语言模型 = 用于语言处理的大模型。