IXThinker·2025-06-09 19:40

EPFL博士論文構建統一多模態基礎模型

一篇199頁的EPFL 2025年博士論文，目標是推動統一多模態基礎模型的構建，令單一神經網絡能處理圖像、文本、三維、語義等多種感知輸入，解決場景理解、生成與檢索等現實任務。

研究目標

擁有一個能處理廣泛任務與模態的神經網絡是長期目標，這類模型具備測試時計算效率、模態融合以及模型規模縮減等顯著優勢，論文正是朝此方向系統推進。