Vision Transformer（ViT）将自然语言处理的Transformer引入视觉领域，通过自注意力机制捕捉长距离依赖关系，在图像分类等任务中表现优异。YOLO系列和Faster R-CNN通过锚框（Anchor Boxes）和区域提议网络（RPN）实现实时检测，平衡速度与精度。特斯拉Autopilot依赖实时图像处理完成决策。缺陷检测系统通过高分辨率摄像头捕捉产品细节，替代人工目检，效

让计算机理解、生成和操纵人类语言，实现人机交互、信息提取、内容分析等任务。其本质是将非结构化的文本数据转化为结构化信息，或根据需求生成符合语言逻辑的文本。包括实体识别（如从“北京是首都”中提取“北京”为地点）、情感分析（判断评论的正负面倾向）等。例如中文分词工具（如Jieba）可解决“中华人民共和国”这类连续词的切分问题。基于序列到序列（Seq2Seq）模型或GPT架构，实现文本摘要、对话生成等任