已过期70% 置信事实精确时间
VQ-VAE由DeepMind于2017年提出，是连接连续视觉信号与离散符号空间的关键技术
2
来源数
70%
置信度
中期 (~90 天)
时效性
2026/7/4
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/10/2(已过期)
来源
GPT Image 2实测：文字排版与角色拆解能力深度评测
bilibili生诚灿莞xjvy2026/6/29
相关事实
待验证VQ-VAE（Vector Quantized Variational Autoencoder）由DeepMind于2017年提出，将连续潜在表征量化映射至有限离散码本77% 相似已验证DQN由DeepMind于2013年提出，首次将深度神经网络与Q-learning结合69% 相似待验证DeepSeek V4在底层架构上实现了三大技术创新：混合注意力架构、流形约束超连接、MOM优化器68% 相似待验证视觉-语言-动作模型（VLA）是具身智能的最新范式，代表性工作包括Google DeepMind的RT-2和Physical Intelligence的π067% 相似待验证DeepMind采用两个协同工作的模块：更擅长推理的ER模型（本质上是VLM）负责协调统筹，VLA模型负责执行物理动作65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/64059API
curl https://kongchang.com/api/v1/knowledge/claims/64059MCP
get_claim(id=64059)