多模態基礎模型

多模態基礎模型（multimodal foundation model）是以大規模跨模態資料預訓練、可適用於多種下游任務的模型；常見形式包括視覺—語言模型與影音語言模型。

概念連結

• 多模態資料融合
• 模型幻覺
• 跨模態對齊

維基百科

• 中文相關條目：人工智慧

• English related article: Foundation model

• 本書導讀：Multimodality