待验证50% 置信事实精确时间
感知层负责读取理解文本、语音、图像等多模态输入
1
来源数
50%
置信度
长期有效
时效性
2026/9/30
首次发现
来源
涉及实体
相关事实
待验证图生词（Image-to-Text）利用多模态大语言模型的视觉理解能力，将视觉特征映射到自然语言描述75% 相似待验证发票分析本质上是一个视觉文档理解（Visual Document Understanding）任务，属于自然语言处理与计算机视觉的交叉领域71% 相似待验证Large language models can understand multimodal inputs including text, images, video, and audio.70% 相似待验证自然语言处理负责处理语言信息，计算机视觉负责处理视觉信息70% 相似待验证大语言模型通过注意力机制（Attention Mechanism）对上下文窗口内所有token同时计算相关性权重，而非像人类一样逐步阅读和筛选资料69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/961899API
curl https://kongchang.com/api/v1/knowledge/claims/961899MCP
get_claim(id=961899)