1. 核心结论

• 多模态 AI 领域的重要论文

2. 基础概念

CLIP：图像-文本对比学习 LLaVA：视觉语言模型 Sora 技术报告：视频生成模型技术报告

3. 实战场景

• 论文阅读和学习
• 技术选型参考
• 研究方向探索

4. 关联笔记

• 论文阅读清单
• 论文阅读方法
• 论文精读模板