待验证50% 置信事实精确时间
多模态大语言模型（MLLM）绝大多数仍围绕单张图片输入做优化，多图输入时视觉token编码开销随图片数量线性甚至超线性增长。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证当前MLLMs的架构通常将语言编码器与视觉编码器分别训练后再融合，导致模型在深度交叉推理时力不从心74% 相似待验证循环节点可用于图像自动迭代编辑，由多模态大模型（MLLM）评判结果并自动反复修改图像直到满足条件72% 相似待验证图像生成模型的显存占用主要来自模型权重大小、推理中间激活值以及生成分辨率带来的额外开销69% 相似待验证多模态大模型（VLM）通过视觉编码器将patch转为高维向量并结合语言先验补全内容，与传统OCR基于局部决策并在置信度低时报错的行为有本质区别67% 相似待验证扩散模型逐像素、基于概率分布的生成方式决定其不具备字符级的精确控制能力，学到的是文字的视觉统计特征而非逐字排版。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1026723API
curl https://kongchang.com/api/v1/knowledge/claims/1026723MCP
get_claim(id=1026723)