多模态大语言模型领域应用综合系统综述：从理论到实践

文章《A systematic review of multi-modal large language models on domain-specific applications》选自Artificial Intelligence Review期刊，是篇综述性文章，下载地址为https://link.springer.com/content/pdf/10.1007/s10462-025-11398-1.pdf

引言

大语言模型（LLMs）的出现标志着人工智能领域的一个重要转折点。这些基于深度学习训练的模型，通过在海量文本数据上进行预训练，展现出了卓越的语言理解和复杂推理能力。然而，现实世界中的问题往往不仅仅涉及文本信息。当我们需要让AI系统与真实世界交互时，仅有文本理解能力是不够的——我们需要它们能够"看到"图像、"听到"声音、理解视频内容。

这正是多模态大语言模型（Multi-modal LLMs）产生的背景。多模态LLM通过整合文本、图像、音频和视频等多种数据类型，使得AI系统能够进行更复杂、更真实的推理和决策。这种能力扩展在医疗诊断、自动驾驶、地球气候监测等关键领域中展现出了巨大的潜力。

本文是一篇基于PRISMA指南的系统性综述，旨在全面分析和总结多模态LLM在特定领域中的应用情况。通过分析2022年至2024年间发表的22项相关研究，我们将为读