【求助】科研问题求助

大三中登有个问题请教师兄师姐：<br>现在有图像数据，科研导师说是要通过deepseek接口生成对应的文本数据。把文本数据输入到模型中训练。<br>但是生成的效果很差，老师说让改prompt，实验下来没啥效果。<br>这个可以直接根据文本生成的结果进行手动修改吗（比如删除一些明显错误的句子）？

dd

更好的方法是换一个模型

d的多模态能力不是很好吧，同大三疑惑

其他一些主流模型也试过，就是这种图生文的效果都不太好，或者说达不到需要的精度<br>【 在 IWhisper#801 的大作中提到: 】<br><font class="f006">: 更好的方法是换一个模型 </font><br>

肯定可以啊，反而要是论文里面说全是llm生成的数据没有人核对过才会被质疑吧

你具体描述一下是要干啥，这个图像数据跟生成文本数据看到云里雾里的<br>【 在 IWhisper#617 的大作中提到: 】<br><font class="f006">: 其他一些主流模型也试过，就是这种图生文的效果都不太好，或者说达不到需要的精度 </font>

是这个意思，原本是通过图像来进行分类，然后现在通过llm生成对这个图像的描述，把图像和文本一起作为输入，相当于加了一个模态。但是现在llm生成的文本效果很差，一起放进去的效果比只使用图像还差。所以想是不是需要手动删除一些描述错误的文本。<br>【 在 IWhisper#77 的大作中提到: 】<br><font class="f006">: 你具体描述一下是要干啥，这个图像数据跟生成文本数据看到云里雾里的 </font>

虽然现在很多多模态方法确实花里胡哨下来还不如单个模态效果好，但是图像分类这种简单的任务，理论不应该会这样。分类的类别都有哪些呢，具体是什么领域的分类任务<br>【 在 IWhisper#617 的大作中提到: 】<br><font class="f006">: 是这个意思，原本是通过图像来进行分类，然后现在通过llm生成对这个图像的描述，把图像和文本一起作为输入，相当于加了一个模态。但是现在llm生成的文本效果很差，一起放进去的效果比只使用图像还差。所以想是不是需要手动删除一些描述错误的文本。 </font>

你的prompt得和你的任务契合，不能单纯让他描述图像，最好是能引导他关注主要区分点<br>【 在 IWhisper#73 的大作中提到: 】<br><font class="f006">: 虽然现在很多多模态方法确实花里胡哨下来还不如单个模态效果好，但是图像分类这种简单的任务，理论不应该会这样。分类的类别都有哪些呢，具体是什么领域的分类任务 </font>