有没有熟悉文本图像大模型算法的大佬呀，请问现在行业内落地的方案通常使用什么方法呀？ 
目前在一家小公司做相关的，只有小量的行业数据微调。 
图像检测用的什么GDNIO，图像分类用的BLIP。 
大家一起开讨论学习一下吧~