这份作业直接接在 21/2-prog 的课堂练习之后完成。
你不需要训练模型，而是要基于现成的本地多模态模型，亲手观察：
建议使用：
21/2-prog/0-qwen3-vl-demo.ipynb21/2-prog/0-qwen3-vl-demo.sh围绕 同一组图片，设计一套从浅到深的视觉提问，并分析模型在不同问题类型下的表现差异。
这份作业最重要的不是“让模型答对”，而是让你看清：
请至少准备 3 张图片，其中 至少 1 张必须和你的专业 / 课题方向直接相关。
推荐组合是：
你可以使用：
examples/example.png也可以自己补充图片。
如果你来自通信、电子信息、人工智能、自动化等方向，强烈建议把第三张图选成和自己研究场景最接近的材料，而不是随便找一张网络图片。
示例 prompt：
请描述这张图的主要内容。请列出这张图里最显眼的三个元素。观察什么：
示例 prompt：
请说明你为什么这么判断，并指出图中的具体证据。请给出三个支持你结论的视觉细节。观察什么：
针对不同图片类型，尝试更具体任务：
请读出图中最重要的文字。这更像什么场景？请说明理由。这张图想表达的核心趋势是什么？这张图的幽默点在哪里？这更像什么信号 / 设备 / 实验场景？请说明你的判断依据。这张频谱图 / 波形图 / 实验曲线最想表达什么现象？观察什么：
请故意问一个更难的问题，例如：
示例 prompt：
请数清楚图中一共有多少个……请判断左上角和右下角的两个物体是什么关系。请逐字抄写这张图最小的一行文字。观察什么：
请至少完成下面两组对比。
目标：
至少比较：
目标：
建议比较：
请提交一个压缩包，包含：
6 组代表性 prompt 与输出2 组结果必须来自那张“本专业相关图片”请明确回答：
请至少给出 2 个失败案例，并说明：
这份作业不按“图片找得多花哨”评分，更看重：
如果做完这份作业后，只记住一句话，那应该是：
多模态模型不是“会看图就结束了”，而是要在图像、语言和任务之间建立稳定对应关系。
所以这份作业的真正目标是让你学会：