CLS 03 · 视觉与语言：任务、训练与接口

学习路径： 文字候选与图文检索

主线阅读与优先实验

caption历史、VQA、CLIP候选、关系控制、GLIP/LLaVA与生成桥梁

学习路径： 文字候选与图文检索

同一张图可以配文字、生成描述、回答问题，也可以按短语返回区域。本册把这四种输出放到同一条线上：语言此刻是答案、学习信号，还是任务条件？

读完应能为一个任务说清输入、训练目标、输出和适合的检验；不要求把所有分支顺序运行。本册的矩阵与规则代码是小算例，真实CLIP模型证据在LAB04。最后用条件多解连接第四讲；用研究划分小例检验自己的评价是否对应未来场景。