[CLS 03 · 视觉与语言：任务、训练与接口](/course/notebooks/680da245145447dd88983aabd136fd24.html)

# 从这张教学矩阵，走到真实模型
[独立阅读](/course/notebook-blocks/6190cca74684424598eec8bcc3f7b586.html)
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

### 从这张教学矩阵，走到真实模型

上面代码使用三维单位向量和 τ=1，正确概率约 0.5035、平均损失约 0.686192。课堂 [P57](/course/pages/l3-r2-p57.html) 使用另一组四维单位向量和 τ=.2，正确概率约 0.90876、损失约 0.09567。两套都是自洽的教学构造；不要把一套的温度、矩阵和另一套的结果拼在一起。

[LAB 04 · CLIP：候选、提示与关系检验](https://deepnote.com/workspace/ise3309jingao-5ba66b0a-4283-4f5a-ae06-3f68d3201e99/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/0ba963931ddf4866b507b210d93a43bf?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=0ba963931ddf4866b507b210d93a43bf&utm_term=get_notebook) 固定真实猫图与 CLIP checkpoint，分别扩大候选、改模板和删除正确类别；这是模型证据。[LAB 12 · CLIP延伸：缓存与检索（近似索引选读）](https://deepnote.com/workspace/ise3309jingao-5ba66b0a-4283-4f5a-ae06-3f68d3201e99/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/921eeaf784284ce19568c6ca7619b55a?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=921eeaf784284ce19568c6ca7619b55a&utm_term=get_notebook) 使用同一编码器得到的完整向量，继续看缓存与检索。先完成前者再选后者，避免重复做两份“图文匹配”。[为什么候选 softmax 会变](/course/blocks/clip-candidate-probability.html)。