标签：视觉语言模型

视觉语言模型（VLM）能看懂什么？能力边界与业务测试方法

视觉语言模型可以描述图片、读取截图文字、分析图表，但在计数、精确定位、细小文字和空间关系上仍会出错。本文梳理 VLM 擅长和不擅长的任务类型，并给出在业务场景中设计测试集、评估准确率和降低错误风险的方法。