作者：韩晓晨
分类：计算机类
出版社：清华大学出版社
出版时间：2025.4
内容简介：
本书系统地介绍多模态大模型的理论基础、关键技术与实际应 用。全书分为两部分12章，第1部分（第1～5章）围绕基础理论与 技术解析展开论述，包括基本概念、Transformer架构、跨模态对 齐、模态融合，以及多模态大模型的预训练方法、模型微调与优化 等，为理解多模态大模型的构建逻辑奠定基础。第2部分（第6～12 章）聚集于多模态大模型的高级应用与场景实现，包括主流视觉语 言模型（如CLIP、BLIP-2等）的实现、跨模态推理与生成的技术应 用、多模态大模型的推理与优化方法、模型的安全与可信性问题， 并通过多模态检索与推荐系统、多模态语义理解系统和多模态问答 系统的端到端开发实践，展示了多模态大模型的实际落地路径。
本书兼具理论深度与实际应用价值，适合大模型和AI研发人 员、人工智能领域的从业者以及高校师生阅读使用，也可作为培训 机构和高校人工智能及相关专业的教材或参考书。
韩晓晨
博士，长期从事高性能计算与大模型训练算力优化研究。近十年来，专注于智能计算架构优化及大规模数据处理，深耕控制算法、机器视觉等领域。近年来，重点研究大模型训练加速、算力调度与异构计算优化，致力于提升计算效率与资源利用率，推动大规模人工智能模型的高效部署与应用。