VLM 与多模态应用

状态：🚧 占位待补齐
一句话定义：视觉语言模型（及更广多模态）如何进入业务：识图问答、单据理解、多模态 RAG。

大纲（待补齐）

  1. VLM 能力与局限
  2. 图文输入工程（分辨率、多图、PDF）
  3. 多模态检索与嵌入
  4. 安全：图中注入、隐私

已有相关文档（先读这些）

学习要点（补齐后应能回答）

  • 何时用 VLM 端到端，何时 OCR + 文本 LLM？
  • 多模态 RAG 的切分对象是什么？

参考资料（待补充）

-