📄️ 目标检测
Object Detection 是计算机视觉中的核心任务，主要用于从图像或视频中识别并定位目标对象（如人、车辆、动物等），通常通过边界框标注目标位置。其广泛应用于安防监控、自动驾驶、工业质检等场景，代表模型包括 YOLO、R-CNN、DETR 等系列。
📄️ 语音转文字（ASR）
ASR（Automatic Speech Recognition，自动语音识别）即语音转文字技术，是一种将人类语音实时转换为文本的技术，是语音助手、会议纪要、智能客服和语音输入等应用的重要基础。
📄️ 大语言模型（LLM）
LLM（Large Language Model，大语言模型）是一类基于海量文本数据训练的人工智能模型，具备自然语言理解 与生成能力，可完成问答、翻译、摘要、代码生成等任务。典型代表包括 ChatGPT、GPT-4 和 Qwen 等。
📄️ 视觉语言模型（VLM）
VLM（Vision-Language Model，视觉语言模型）是一类融合视觉与语言能力的多模态模型，能够同时理解图像内容与文本语义，实现“看懂”图像并进行语言交互。典型应用包括看图问答、图像描述、场景理解和图文检索等。