待验证50% 置信事实精确时间

DINOv2由Meta开发，以自监督方式在1.4亿张图片上习得稠密视觉特征

1

来源数

50%

置信度

长期有效

时效性

2026/7/18

首次发现

来源

探访DeepMind机器人实验室：VLA模型如何让机器人学会思考

相关事实

待验证商汤发布并开源了统一视觉大模型SenseNova Vision，将视觉能力作为原生组件深度融入大模型体系66% 相似待验证InternVL2、Qwen-VL等模型采用图像切片策略，支持数千像素级的有效输入分辨率，代价是视觉token数量成倍增加65% 相似待验证大规模预训练的视觉基础模型借助在数十亿张图片上习得的通用特征表示，从根本上缓解了机器人视觉泛化困境65% 相似待验证视觉模型如 CLIP、Stable Diffusion 需要数十亿张图像-文本对才能达到理想效果64% 相似待验证数十亿的图像-文本对训练数据使模型能学习更精细的视觉表征63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/553553

API

curl https://kongchang.com/api/v1/knowledge/claims/553553

MCP

get_claim(id=553553)