Unverified90% confidenceFactTime unknown

通过单帧空间关系描述实验，研究者证明Video-LLM的底层感知能力是完好的，问题根源在于语义先验劫持推理过程

1

Sources

90%

Confidence

Long-term

Relevance

6/1/2026

First Seen

Sources

PhyAR from Shanghai Jiao Tong University: Solving the Semantic Prior Hijacking Problem in Video-LLM Physical Reasoning

bilibili多模态实验室

Related Entities

Video-LLMconcept

Related Claims

Unverified当前Video-LLM的核心缺陷是语义先验压倒视觉感知能力，导致模型用主观预期覆盖客观事实75% similar Unverified基于DiT架构的视频生成模型在时序维度上存在注意力衰减问题，导致早期帧对后续帧约束力减弱70% similar Unverified解决细粒度视觉识别近邻歧义的主流技术路径包括注意力机制、部件检测网络和度量学习67% similar Unverified研究者已通过两点相关维数等方法实证测量了多种视觉模型的内在维度，训练良好的模型往往能将输入压缩到更低维流形上66% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/18040

API

curl https://kongchang.com/api/v1/knowledge/claims/18040

MCP

get_claim(id=18040)