待验证50% 置信事实精确时间
视觉转移推理指：给定一个视觉状态和一个施加于其上的动作或事件，模型能够推断出视觉世界将如何变化到下一个状态的能力，既包含前向预测，也包含逆向推断。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证视觉幻觉指模型在描述图像时生成与实际视觉内容不符的信息，源于语言模型倾向于用语言先验知识填补视觉信号不明确的空白72% 相似待验证论文提出多模态大模型在空间、具身、物理、时间推理上的缺陷可能都源于同一种能力缺失——视觉转移推理（visual transition reasoning）。70% 相似待验证Timestamp drift, jumps, or loss can cause a model to associate visual observations from one moment with actions from another, leading to incorrect state-action mappings69% 相似待验证视觉思维链（Visual CoT）让模型在生成文本中间步骤的同时生成中间推理图像，例如标注关键区域、预测未来帧或绘制空间关系示意图68% 相似待验证视觉grounding（视觉定位）指模型将语言描述精准对应到图像具体区域的能力，也被称为Referring Expression Comprehension66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1013381API
curl https://kongchang.com/api/v1/knowledge/claims/1013381MCP
get_claim(id=1013381)