待验证50% 置信事实精确时间

传统目标检测模型只识别预定义类别（如人、车、狗），而视觉定位接受自然语言查询，类别由文本动态指定，因此无需为每个新场景重新训练专用模型

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

Mistral Large 4发布：Dense200视觉定位42%超越GPT-6 Astra

涉及实体

目标检测concept 视觉定位concept

相关事实

待验证早期目标检测模型如YOLO、Faster R-CNN只能识别预定义类别（如COCO数据集中的80个类别），而视觉grounding需要理解任意自然语言指令74% 相似待验证开发者在部署语言模型用于信息检索前应针对目标场景进行实测验证，不能简单套用通用榜单排名73% 相似待验证在模型原生支持到来之前，独立的上下文扫描分类器判断检索内容中是否含有指令性语言是目前最具实用价值的补充手段71% 相似待验证小模型适用于文本分类、意图识别、NER命名实体识别等高频任务66% 相似待验证基于CLIP等多模态模型的语义搜索允许用户输入自然语言描述，系统直接匹配视觉内容，无需依赖人工文字标签66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1009657

API

curl https://kongchang.com/api/v1/knowledge/claims/1009657

MCP

get_claim(id=1009657)