1自注意力与视觉Transformer
闭卷重建自注意力与视觉Transformer的对象、公式、算例、算法与失败边界。
计算机视觉 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2对比学习与表示空间
闭卷重建对比学习与表示空间的对象、公式、算例、算法与失败边界。
3视觉—语言对齐与零样本分类
闭卷重建视觉—语言对齐与零样本分类的对象、公式、算例、算法与失败边界。
4图像描述、VQA与幻觉
闭卷重建图像描述、VQA与幻觉的对象、公式、算例、算法与失败边界。
5生成模型与扩散过程
闭卷重建生成模型与扩散过程的对象、公式、算例、算法与失败边界。
6鲁棒性、域外与对抗扰动
闭卷重建鲁棒性、域外与对抗扰动的对象、公式、算例、算法与失败边界。
7多模态系统的检索、工具与验收
闭卷重建多模态系统的检索、工具与验收的对象、公式、算例、算法与失败边界。
第 1 页 · 背面（答案）
对象：对比学习拉近正样本、推远负样本；正对定义、温度和batch/队列决定学到的不变性。；公式：InfoNCE=-log exp(sim_pos/tau)/Σ exp(sim_j/tau)。；算例：正对相似度高但把同类别其他图全当负样本可能产生假负。；边界：裁剪掉目标仍标正对；测试图参与预训练后称零样本。。
对象：自注意力按内容关系混合token，位置编码提供空间顺序；计算和显存通常随token数平方增长。；公式：attention(Q,K,V)=softmax(QK^T/sqrt(d))V。；算例：token数从100增到200，注意力矩阵元素从1万增到4万，约4倍。；边界：不加位置仍期待空间结构；高分辨率直接全局注意力OOM。。
对象：生成式视觉语言任务需图像证据、语言先验和解码；流畅答案可能描述图中不存在对象。；公式：grounded answer requires evidence localization+semantic correctness。；算例：问题问红灯数量，模型答2却无法定位实例，应判证据不足。；边界：用文本常识覆盖图像；只凭BLEU评事实正确性。。
对象：图像和文本编码到共享空间，以提示文本作为类别原型；结果依赖词义、提示、语言和预训练偏差。；公式：prediction=argmax cosine(image_embedding,text_embedding_class)。；算例：图像与三类文本相似度.2,.7,.4，选择第二类。；边界：提示含测试答案描述造成泄漏；相似度当校准概率。。
对象：自然腐蚀、域迁移和对抗扰动都可能改变预测；威胁模型、扰动预算和感知约束需明确。；公式：robust accuracy=correct under declared perturbation set/total。；算例：100样本中干净90正确，扰动后60正确，声明集合下鲁棒准确60%。；边界：只测一种随机噪声就称鲁棒；攻击使用错误梯度导致虚假安全。。
对象：扩散模型学习逐步去噪或score，把随机噪声变成样本；采样步数、条件和随机种子影响输出。；公式：forward noise x_t=sqrt(alpha_bar)x_0+sqrt(1-alpha_bar)epsilon。；算例：alpha_bar=.64时信号系数.8、噪声系数.6。；边界：把生成逼真当训练数据未记忆；评价只挑最好图。。
对象：生产多模态系统常组合视觉编码、检索、OCR、检测和语言模型；每个工具输出需可追踪与拒绝。；公式：system correctness requires perception∧retrieval/tool∧reasoning∧policy。；算例：视觉识别正确但OCR错一个剂量数字，最终建议仍不合格。；边界：只评最终语言流畅度；工具失败被模型编造补全。。