最新 大模型是怎么看懂图片的？多模态AI原理白话版

2023年的时候大家还在惊叹ChatGPT能写代码，到了2026年，大模型已经能看图、听声音、生成视频了。但这里有个很多人没想明白的问题：一个语言模型，明明是处理文字的，怎么突然就能看懂图片了？这篇文...

AI百科 2026-07-10 5 #多模态AI #大模型 #ViT #AI科普 #视觉理解