Unverified50% confidenceOpinionExact time
单体VLA模型在长时序（long-horizon）任务上表现不佳，且可解释性差
1
Sources
50%
Confidence
Long-term
Relevance
9/11/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedVLA端到端方式减少了人工设计的中间表征，但带来了可解释性、安全性和实时性方面的工程挑战69% similarUnverified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）66% similarUnverified生成式世界模型系统普遍面临帧间物理一致性弱、实时推理算力需求高、长序列误差累积导致画面漂移三大挑战65% similarUnverifiedMSA架构的优势在长尾场景（上下文快速膨胀到数百万Token的长程任务）中才真正体现，在短任务中速度并不突出64% similarUnverifiedVLM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64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/898855API
curl https://kongchang.com/api/v1/knowledge/claims/898855MCP
get_claim(id=898855)