已验证75% 置信事实时间未知

视觉-语言模型（VLM）的代表性工作包括OpenAI的GPT-4V、Google的Gemini以及开源社区的LLaVA

3

来源数

75%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

NVIDIA AI Agent如何将海量视频变成可搜索的实时情报

rss

涉及实体

OpenAIcompany GPT-4Vmodel Googlecompany Geminimodel LLaVAmodel

相关事实

已验证VLM（视觉语言模型）通常由视觉编码器（如ViT）、语言模型和连接两者的投影层组成，代表性模型包括GPT-4V/4o、Claude 3.5、LLaVA系列和InternVL77% 相似待验证Typical examples of GPAI models include OpenAI's GPT series, Google's Gemini, Anthropic's Claude, and Meta's LLaMA75% 相似待验证OpenAI的Custom GPTs、Google的NotebookLM已初步实现LLM解析结构化导出数据并生成分析的范式75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/21267

API

curl https://kongchang.com/api/v1/knowledge/claims/21267

MCP

get_claim(id=21267)