问答信息的生成及多模态大模型训练方法和装置

本公开提供了问答信息的生成及多模态大模型训练方法和装置，涉及计算机视觉、深度学习以及大模型等人工智能领域，可应用于光学字符识别等场景。其中的问答信息的生成方法可包括：获取待处理的目标图像，目标图像中包括待解答的问题内容以及问题内容对应的配图；分别获取问题内容对应的文本模态信息以及配图对应的图像模态信息；结合文本模态信息以及图像模态信息，利用多模态大模型确定出问题内容对应的解答信息。