Grundlagen generativer KI · Frage 28 von 60

Wie verarbeitet ein multimodales LLM ein Bild, bevor der Transformer damit arbeitet?

1 Antwort ist richtig. Mittel Mit KI erstellt

Lösung anzeigen

Lösung

  • C Ein Vision-Language-Modell wandelt es in Embeddings um

Erklärung

Die Tokenisierung wird je Datenart angepasst. Bilder werden über ein Vision-Language-Modell in Embeddings übersetzt, die der Transformer dann gemeinsam mit den Text-Tokens verarbeitet.

Zertifikate & Prüfungen

Welche Prüfung kommt als Nächstes?

51 Prüfungen kannst du schon üben, über 16 stimmst du gerade ab. Sieh dir alle Zertifikate mit offiziellen Infos an, gib deine Stimme ab oder schlag deine Prüfung vor.

Zur Zertifikatsübersicht