待验证50% 置信注意事项精确时间

VLM 视觉方案（如 WebVoyager、SeeAct）存在幻觉问题、坐标定位精度不足，且每次操作需消耗大量 token 处理图像信息

1

来源数

50%

置信度

长期有效

时效性

2026/8/29

首次发现

来源

WebMCP详解：OpenAI如何推动网页成为AI可调用工具

涉及实体

WebVoyagerproduct SeeActproduct VLMconcept

相关事实

待验证视觉语言模型方案的代表性项目包括 WebVoyager 和 SeeAct，存在幻觉和坐标定位精度不足问题75% 相似待验证视觉定位系统的判断质量高度依赖画面中包含的可利用地理线索数量，信息贫乏的画面会使模型陷入困境69% 相似待验证DOM裁剪速度快但可能丢失视觉布局信息，可访问性树语义准确但对动态渲染内容覆盖不完整，VLM方案最接近人类视觉理解但推理延迟高、成本大69% 相似待验证许多VLM会对高分辨率图像进行下采样或采用动态分辨率策略，在信息保留与计算效率之间寻找平衡68% 相似待验证3D可视化存在固有认知缺陷，包括遮挡问题、距离失真以及精确数值读取困难66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/817041

API

curl https://kongchang.com/api/v1/knowledge/claims/817041

MCP

get_claim(id=817041)