待验证50% 置信事实精确时间
开放词汇目标检测（OVOD）的核心挑战是模型需识别训练时从未见过的类别。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证VLM能够根据自然语言描述识别训练数据中从未出现的目标类别，这种能力被称为零样本（zero-shot）或开放词汇（open-vocabulary）识别72% 相似待验证OpenAI在InstructGPT论文中证明，少量高质量人类偏好数据对模型对齐的贡献远超大规模无监督训练70% 相似待验证NLP意图识别本质上是分类而非真正的语义推理，依赖人工预先标注训练数据，每新增一类意图都需重新收集样本并训练70% 相似待验证主流基准测试题目在互联网上已被广泛讨论，模型训练数据中可能存在对题目的记忆，导致基准分数高估模型在真实未见任务上的能力70% 相似待验证OpenAI训练模型用grug风格生成推理链，省略不重要的词以减少token消耗，用户正常情况下看不到这些推理痕迹70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074590API
curl https://kongchang.com/api/v1/knowledge/claims/1074590MCP
get_claim(id=1074590)