待验证50% 置信注意事项精确时间

大模型会对图像内容进行推断性补全，在OCR任务中可能导致幻觉式识别，把实际不存在的字符理解进去，与需要高保真度的文档录入场景形成矛盾

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

智能体OCR：如何用恰到好处的AI推理终结脆弱的传统文档识别

涉及实体

大模型concept OCRtechnology

相关事实

待验证开发者指出abliterate一个模型并不会让图像输出更加去审查，编码器真正价值在于提示词增强与视觉解码场景73% 相似已验证多模态大模型将图像切分为固定patch经视觉编码器（基于ViT架构）转换为高维向量后对齐到语言模型token embedding空间，是推断而非读取73% 相似待验证文本嵌入将角色视觉特征编码为高维向量直接注入模型，无需额外训练，推理更快但对参考图质量和数量要求更高73% 相似待验证即便出现能对PR图片进行OCR扫描的安全工具，攻击者仍可通过图像混淆手段对抗基于规则的文本检测，而这些混淆对多模态大模型几乎无影响72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/988505

API

curl https://kongchang.com/api/v1/knowledge/claims/988505

MCP

get_claim(id=988505)