一、多模态AI识图的现状与痛点 在计算机视觉与自然语言处理（NLP）的交叉领域，多模态模型已成为实现“AI理解世界”的核心技术。传统模型（如CLIP、ViT）通过图文对齐实现基础识图功能，但存在两大瓶颈：其一，模型……
