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.