一、技术背景：多模态交互的进化需求 随着人工智能技术的深入发展，单一模态（如纯文本或纯图像）的局限性日益凸显。在真实场景中，用户需求往往涉及多模态信息的联合理解与生成。例如，电商平台的智能客服需要同……
