视觉大模型有个尴尬瓶颈：单张静态图能拿高分，一遇上连续视频、镜头切换、要推演物理规律，模型就开始"彻底失灵"；更麻烦的是顶尖 VLM 的推理成本高到工业场景… · @baboonAI4S · TwKit

@baboonAI4S

视觉大模型有个尴尬瓶颈：单张静态图能拿高分，一遇上连续视频、镜头切换、要推演物理规律，模型就开始"彻底失灵"；更麻烦的是顶尖 VLM 的推理成本高到工业场景根本摊不平。有意思的是这次站出来的是前 Google DeepMind 的班底——模型越会"看图"，越暴露它其实并不理解世界怎么运转。据 X 搜索「具身智能」最新帖。 #视觉大模型 #具身智能

曝光 6 · 评论 0 · 点赞 0 · 书签 0