待验证50% 置信事实精确时间
LayoutLMv3 是微软亚洲研究院于2022年发布的第三代文档理解预训练模型，将文本内容、二维坐标位置和文档图像三种模态统一编码到Transformer架构中
1
来源数
50%
置信度
长期有效
时效性
2026/8/6
首次发现
来源
相关事实
已验证2020年微软研究院推出的LayoutLM模型将文本内容、字体位置坐标和图像特征三类信息融合训练72% 相似待验证2022年发布的LayoutLMv3统一了文本和图像的预训练目标69% 相似待验证VHectorLab 3D 是一款基于 Three.js 和 WebGL 构建的开源三维可视化工具，专注于探索 LLM 的潜空间与向量几何结构63% 相似待验证当前主流 VLM 经过大规模 UI 截图数据训练，能够识别界面元素的层级关系，将视觉布局映射为功能语义62% 相似待验证LLaVA通过轻量级投影层将CLIP视觉编码器提取的图像特征映射到语言模型的嵌入空间，采用视觉编码器+投影层+语言模型的三段式结构62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/697798API
curl https://kongchang.com/api/v1/knowledge/claims/697798MCP
get_claim(id=697798)