摘要：CLIP（Contrastive Language-Image Pre-Training） 从名字显而易见：语言-图像，预训练，主要用于学习图像 该模型的核心思想是使用大量图像和文本的配对数据进行预训练，以学习图像和文本之间的对齐关系 CLIP模型有两个模态，一个是文本模态，一个是视觉模态，包括两个 阅读全文

摘要：BERT（Bidirectional Encoder Representation from Transformers） 机器阅读理解领域 从名字很好理解，主要使用的方法是Transformer的方法。。进行机器翻译等操作 省流：BERT用于文本识别，机器阅读理解。。跟GPT类似 （1）词嵌入Emb 阅读全文