从事实-情感解耦、动态特征演化与冲突-共识度量出发，拆解 DCCF 的多模态假新闻检测方法、实验结果、复现缺口与结论边界。

从 Q-Former、三种表征学习目标与两阶段预训练出发，拆解 BLIP-2 如何用冻结视觉编码器和冻结 LLM 构建多模态模型。

以三篇代表论文为主线，串起 Transformer、Vision Transformer 与 CLIP 的结构、目标和面试高频题。

用纯 NumPy 手写 BM25、Dense 检索、RRF 融合和 MMR 重排，构建可评测的多模态 RAG。

从 OCR、版面恢复、字段归一化到安全解读，梳理医疗文档多模态原型的完整流水线。