待验证50% 置信事实精确时间

用SVG代码绘制特定物体的任务本质上测试模型的空间推理能力，因为训练语料中几乎不存在这类带标注坐标的参考图

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

GPT-6.1 Sol发布：性价比大幅提升的近旗舰级模型

涉及实体

相关事实

待验证与传统计算机视觉方案（如YOLO目标检测）相比，VLM无需针对特定物体训练专用模型即可完成开放词汇的物体识别与场景理解67% 相似待验证SVM训练运行时间由训练次数与单次训练复杂度共同决定，而非仅取决于数据量大小63% 相似待验证主流基准测试题目在互联网上已被广泛讨论，模型训练数据中可能存在对题目的记忆，导致基准分数高估模型在真实未见任务上的能力61% 相似待验证VLM的细粒度理解缺陷被认为与CLIP式对比学习的训练目标有关，图文匹配的粗粒度目标无法促使模型学习组合性语义61% 相似待验证构造包含计数、空间关系、细粒度属性的训练数据可以缓解VLM预训练阶段的先天不足61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/960637

API

curl https://kongchang.com/api/v1/knowledge/claims/960637

MCP

get_claim(id=960637)