待验证50% 置信观点精确时间
单体VLA模型在长时序（long-horizon）任务上表现不佳，且可解释性差
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证VLA端到端方式减少了人工设计的中间表征，但带来了可解释性、安全性和实时性方面的工程挑战69% 相似待验证为已有的VLM赋予生成能力时，往往会损害模型预训练积累的理解能力，出现灾难性遗忘（catastrophic forgetting）66% 相似待验证生成式世界模型系统普遍面临帧间物理一致性弱、实时推理算力需求高、长序列误差累积导致画面漂移三大挑战65% 相似待验证MSA架构的优势在长尾场景（上下文快速膨胀到数百万Token的长程任务）中才真正体现，在短任务中速度并不突出64% 相似待验证VLM在描述整体场景时表现出色，却在精确定位微小目标时频频出错，这是因为当画面元素密集时单个patch可能包含多个人物导致细节信息在下采样中被稀释或丢失64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/898855API
curl https://kongchang.com/api/v1/knowledge/claims/898855MCP
get_claim(id=898855)