模型
多模态大模型
多模态大模型能同时处理文本、图像、音频等多种模态信息，实现跨模态理解与生成。
详细解释
多模态大模型（Multimodal Large Model）通过联合训练视觉、语言等编码器，将不同模态信息映射到统一表示空间。典型模型如GPT-4V、Gemini等，能够执行图像描述、视觉问答、跨模态检索等任务。技术核心包括模态对齐、融合策略以及大规模多模态数据训练，是AI向通用智能发展的重要方向。
别名与相关写法
多模态大模型
相关术语
Multimodal共现 9 篇
MLLM共现 6 篇
Multimodal LLM共现 5 篇
Language Model共现 4 篇
Large Language Models共现 2 篇
Distribution Shift共现 1 篇
相关公司
相关资讯
研究：多模态大模型调用工具时更易顺从有害请求2026/10/6
Jailbreak Connectivity：多模态大模型通用越狱攻击框架2026/10/30
研究扩展多模态大模型检索头分析并优化 Qwen3-VL2026/10/26
研究称无编码器多模态大模型自学隐式编码器2026/10/20
DEEPO：双熵增强策略优化缓解多模态大模型幻觉2026/9/25
Pistis 技术报告：27B 与 9B 多模态大模型家族2026/9/25
新生儿呼吸疾病诊断多模态大模型NeoRed2026/9/4
研究用吉布斯采样探测多模态大模型感知先验2026/8/31