第0章 · 导航与导读

第0章 · 导航与导读

在你正式进入「多模态大模型」的内核之前，请先在入口处停一停。这一章不讲任何算法，它只做三件事：告诉你这份教程的起点与边界、帮你选一条最适合自己的阅读路径、并把全教程反复出现的核心术语先放进你的口袋。读完本章，你应该清楚自己该从哪里出发、走多深、在哪里停留。

章节摘要

本章是整份《多模态大模型技术原理教程》的总入口与认知坐标系。它与第 1 章的「导论」分工不同：第 1 章回答「为什么需要多模态大模型」，而本章回答「怎么读这份教程」。

围绕这一目标，本章做三件事：

1. 定位教程边界：明确本教程面向的读者画像（算法工程师、应用开发者、技术决策者），以及它能交付什么（架构拆解 + 数学推导 + SOTA 对比）和不交付什么（不手把手教环境搭建、不覆盖所有模态）。
2. 规划阅读路径：针对不同背景的读者，给出三条可执行的阅读路线——体系化深度学习、应用导向快速上手、特定主题查阅，并为每条路径标注预估时间与跳读建议。
3. 建立共同术语：把 Token、Embedding、Encoder、Attention、Contrastive Learning、Cross-Attention、Zero-shot、Instruction Tuning、RLHF 等贯穿全教程的核心概念先做一次速查，避免读者在第 2 章之后反复回查。

本章不展开任何模型机制，只铺设「地图、路线、词典」三件套。读完本章，读者应当能回答三个问题：这份教程适不适合我、我该按什么顺序读、读之前要掌握哪些术语。

学习目标

读完本章，你应当能够：

1. 判断本教程是否契合自己的背景与目标，并说出它覆盖与不覆盖的内容范围。
2. 从「体系化深度」「应用导向」「主题查阅」三条路径中，选出最适合自己的那条，并估算所需时间。
3. 完成前置知识自检，确认是否具备神经网络与训练流程的基础。
4. 复述 Token、Embedding、Attention、Contrastive Learning、Cross-Attention、Instruction Tuning、RLHF 等核心术语的含义。
5. 用一条「核心问题链」描述全教程 9 章之间的递进关系。

子章节安排与导引

本章仅含一节，即学习路线图。它先给出前置知识自检清单，让读者快速判断是否需要补基础；随后提供三种推荐阅读路径（A 体系化深度、B 应用导向、C 主题查阅），并用一张「每章时间预算」表帮助读者做时间规划；最后用一张 Mermaid 图勾勒整份教程的核心问题链，让读者在动手之前先看见全貌。

这一节的设计哲学是：承认不同读者的目标不同。研究者和工程师要的是原理吃透，产品同学要的是选型与能力边界，资深读者则只想补特定模块。把它们分流到不同路径，比强迫所有人通读 9 章更高效。

配图说明

• Mermaid「整份教程的核心问题链」：在第 0.1 节给出，把 9 个章节压缩成 9 个层层递进的问题（从「为什么单模态不够用」到「下一步走向哪里」），作为全教程的纵览。
• 每章时间预算表：在第 0.1 节给出，分别标注路径 A（深度）与路径 B（应用）下每章的预估阅读时长，帮助读者做整体规划。

SEO 关键词

多模态大模型教程、MLLM 学习路线、多模态入门、深度学习前置知识、Transformer 学习路径、CLIP 学习、视觉语言模型导读、多模态课程、自学术多模态、大模型阅读指南。

章节关联

• 前置：本章是全教程的入口，无前置依赖。建议读者具备基本的神经网络与 Python 基础（详见 0.1 节的前置知识自检）。
• 后续：第 1 章将在本章建立的「地图与术语」基础上，正式切入「为什么需要多模态大模型」的动机与定义；第 2 章起进入 Transformer 基石与具体组件拆解。本章给出的三条阅读路径，将贯穿后续 8 章的阅读节奏。