第五讲：多模态机器学习与生成式人工智能（框架+图像部分）

按组长大纲与第五部分PDF搭建第五讲整体结构，拆分为 chapters/ch5_multimodal.tex 由主文件引入：
- 5.1 表示学习与跨模态对齐：单模态编码、自监督预训练、跨模态对齐(含CLIP InfoNCE损失)、跨模态融合
- 5.2 基础模型结构与训练：通用结构、视觉语言模型、指令微调、图像-语音-文本联合建模
- 5.3 条件生成建模：条件生成基础、文生图(扩散+CFG公式)、图像编辑、跨模态交互生成
- 全程以机器学习问题为主线，图像内容写实，语音/音频小节用 \todochen 占位待陈丹补充
XeLaTeX 编译通过。

aml_notes.tex

@@ -121,6 +121,11 @@
 \newcommand{\blankline}{\par\noindent\rule{\linewidth}{0.4pt}\par}
 \newcommand{\blankline}{\par\noindent\rule{\linewidth}{0.4pt}\par}
 \newcommand{\keyword}[1]{\textbf{\color{CourseBlue}#1}}
 \newcommand{\keyword}[1]{\textbf{\color{CourseBlue}#1}}
 
 
+% 协作占位：标记"待陈丹补充（语音/音频部分）"的内容，便于后续合并时定位
+\newcommand{\todochen}[1]{%
+  \par\noindent
+  {\color{CourseGold}\small$\blacktriangleright$\ \textbf{[待陈丹补充 ·\ 语音/音频]}\ #1}\par}
+
 \begin{document}
 \begin{document}
 
 
 % 封面
 % 封面
@@ -278,6 +283,14 @@
   \bottomrule
   \bottomrule
 \end{longtable}
 \end{longtable}
 
 
+% ============================================================
+% 第五部分 多模态机器学习与生成式人工智能（润松负责：框架 + 图像内容）
+% 内容本身定位为课程"第五部分"，因此把章节计数器对齐到"第五讲"。
+% 语音/音频小节由陈丹补充（见文中 \todochen 占位标记）。
+% ============================================================
+\setcounter{chapter}{4}
+\include{chapters/ch5_multimodal}
+
 \appendix
 \appendix
 \chapter{附录}
 \chapter{附录}