CLS 03 · 视觉与语言：任务、训练与接口

选择本讲的一个系统，依次说清三件事：训练答案从哪里来；表示怎样被读成区域、像素或文字；哪项干预或保留评价支持它学到了所需能力

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

选择本讲的一个系统，依次说清三件事：训练答案从哪里来；表示怎样被读成区域、像素或文字；哪项干预或保留评价支持它学到了所需能力。

这三项判断可以串起表示、空间输出与视觉语言，也会成为下一讲研究生成机制的起点。需要回查具体例子时，从第三讲导读的八条问题路径进入，不必重新顺读全部实验。