计算机
或许RAG是比较可行的方案，可以在数据方面下些功夫，然后调用13B模型或者GPT来进行推理。大模型的微调恐怕很困难，就算采用了deepspeed、ZeRO Optimizer这类先进技术，仅有一张显卡的资源，对于实验迭代来说也是非常紧张的。稍微深入思考一下，一个可能的方向是：在某个特定任务里，用7B模型刷出一个SOTA（最优结果），以此证明使用大型语言模型（LLM）比现有的方法更好。不过说实话，个人不太推荐这种做法，如今这种冲榜式的工作已经不太受欢迎了。多模态对比学习到底是做什么任务的？感觉这个课题定得有点过于宽泛了。而且现在模型的规模已经不小了，稍微大一点的都要用到视觉语言模型（VLM），而要做VLM就必须先具备做大型语言模型（LLM）的硬件环境，基本上算力也很紧张。最后简单做个推广，如果有人想要快速掌握大模型相关的背景知识，可以参考一些工具书。这里给大家推荐两本我自己用过的，书中对很多经典技术都有详细的解读，还配有非常优质的代码资源。有需要的朋友可以去看我的往期文章，购买链接如下：我是 @叫我Alonzo就好了 ，是中科大在读的博士生，也是
计算机视觉（CVer）领域的人员，欢迎大家私信、评论，也希望大家能一键三连并批评指正！往期的回答或者文章详见：欢迎大家关注我的个人GitHub账号，我在上面总结了一些课题的顶级会议论文列表，有需要的小伙伴可以参考，这个论文列表会持续更新最新发布的顶级会议文章。如果觉得有帮助的朋友欢迎帮忙在GitHub上点个star，谢谢！
