SAM

阅读方式：微信读书网页版，从第 1 章翻到第 7 章末，共 310 屏、6 分 30 秒。 结构：两部分七章 —— 基础理论与技术解析（对齐、融合、预训练、微调）→ 高级应用与实践（视觉语言模型、跨模态推理与生成）。 讲多模态的文章，大多在比谁家模型更大、谁家榜单更高。这本书反过来，花了整整一章讲一件事：两套完全不同的东西，怎么才能放在一起比较。