标签索引

VLM

这个标签下有 3 篇文章。按时间回看相关判断与实践记录。

标签精选

攻克VLM多图幻觉难题：解析API差异与两阶段工程解法

本文深入探讨了视觉语言模型（VLM）在处理多张图像时面临的“幻觉”挑战，特别是在跨场景三维理解等复杂任务中。研究发现，当输入图片超过一定数量，模型常出现逻辑混乱，且网页端与API调用表现差异显著。文章分析了注意力分散与Token成本之间的矛...

2026-03-281 分钟阅读266 阅读

针对通用大模型在深度学术研究中常出现“幻觉”的问题，一位开发者构建了专门的深度研究服务并进行公开测试。该项目已尝试生成如“VLM嵌入与人脑fMRI数据表征对齐”等高难度综述，并公开了测试结果以供核验。开发者表示，项目成熟后将直接开源。虽然当...

2026-02-271 分钟阅读83 阅读

本文深入探讨了多模态大模型（VLM）在处理多图输入时出现的性能崩塌与幻觉问题。作者发现，相比于网页端，API调用在多图场景下准确率和一致性大幅下降，根源在于海量视觉Token导致的“上下文稀释”和“Lost in the Middle”效应...

2026-02-081 分钟阅读175 阅读