待验证50% 置信事实精确时间
许多VLM在OCR、图表理解、精确计数等任务上表现挣扎
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/12
首次发现
有效期至：2026/12/11
来源
涉及实体
相关事实
待验证在困难样本检测中，VLM语义能力更强但计算成本高昂，轻量检测模型速度快但在困难样本上力不从心，构成精度与效率的权衡70% 相似待验证VLM在处理高精度工程图纸时存在局限：细小文字识别精度不足、容易产生幻觉编造尺寸、对GD&T专业符号理解有限69% 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66% 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）64% 相似待验证文章作者判断CLIP编码器是现代VLM瓶颈之一，但并非唯一因素，该问题尚无定论64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/914596API
curl https://kongchang.com/api/v1/knowledge/claims/914596MCP
get_claim(id=914596)