待验证50% 置信事实精确时间
主流VLM通常采用预训练的Vision Transformer(ViT)作为视觉编码器,如CLIP ViT、SigLIP等
1
来源数
50%
置信度
长期有效
时效性
2026/9/10
首次发现
来源
涉及实体
引用此条事实
Stable URI
https://kongchang.com/claim/891041API
curl https://kongchang.com/api/v1/knowledge/claims/891041MCP
get_claim(id=891041)