一、技术原理：视觉大模型与多模态理解的底层逻辑 1.1 视觉大模型的核心架构 视觉大模型（Vision Large Model, VLM）以Transformer架构为基础，通过自监督学习（如MAE、SimMIM）或对比学习（如CLIP）预训练，构建……
