待验证50% 置信事实精确时间
VLM在科学图表问答中需要完成OCR、图例识别、坐标轴读数、数值比较与算术推理等多级子任务，任一环节的偏差都可能导致最终答案与标准答案不匹配。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
待验证VLM训练需要精确对齐的图文配对数据集，若图文对应关系出现偏差，模型会学到错误的跨模态映射76% 相似待验证PhyMetric 的评测由一个 VLM 作为裁判，在问题感知的采样帧上作答，再按场景、维度、物理类别、模型四个层级聚合正确率。74% 相似待验证多模态大模型（VLM）不是OCR，它在视觉向量上进行注意力计算并结合语言先验推断内容，对无规律哈希值会产生幻觉而非报识别失败72% 相似待验证视觉语言模型（VLM）存在提示词偏置问题：当提示中明确指定目标类别时，模型倾向于在图像中'找到'符合描述的物体，即使实际不存在。71% 相似待验证VGR 需要人工设计或从数据中归纳，其质量决定 VLM 评判的上限，如果遗漏某种审美维度，模型就不会朝该方向优化。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102166API
curl https://kongchang.com/api/v1/knowledge/claims/1102166MCP
get_claim(id=1102166)