多模态搜索结果优化的训练方向与实战要点

当用户输入查询时，系统会综合匹配不同形态的内容特征，而非简单依赖文本标签

例如，一篇关于“家电维修”的文章，配图应为维修场景或工具实物，alt描述需包含“家电维修 步骤”等关键词，而非泛泛的“图片1”

例如，一篇文章讨论“心理健康”，却配上了风景图，这会导致模型混淆