在算法领域，不同模态的数据例如图片、语音、自然语言处理，在很长的时间里都是相互独立的，例如独立的数据集、模型结构、预训练模型、训练过程等。近年来有越来越多的工作开始研究“多模态”模型，例如推荐系统里把图像、语言等特征信息与用户行为信息进行融合，OpenAI 更是推出了图像-文本联合训练模型 CLIP。

本次演讲首先简单介绍多模态模型技术的一些典型工作及，然后结合 BIGO 中的内容安全中图片审核的业务场景，阐述如何利用大规模业务数据进行多模态模型的训练，以满足多种审核场景的需求。最后讲总结实践过程多模态模型优点、遇到的问题、以及未来改进的一些想法。

演讲提纲：

1. 多模态技术典型工作介绍
2. 内容安全的应用场景与挑战
3. 多模态模型在内容安全中的训练方法简介
4. 多模态模型总结及未来工作展望

你将获得：了解如何最大限度的利用海量图像、语音、文本数据，来解决业务难题。