https://ai.wujiong.cc/tags/%E8%A7%86%E8%A7%89%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/Recent content in 视觉语言模型 on AI 观察Hugozh-CNThu, 27 Aug 2026 09:37:39 +0800https://ai.wujiong.cc/posts/2026-08-27-vision-language-models/Thu, 27 Aug 2026 09:37:39 +0800https://ai.wujiong.cc/posts/2026-08-27-vision-language-models/<p>把一张截图、一张照片或一张图表交给大模型，它就能描述内容、回答问题，这种能力来自视觉语言模型（Vision-Language Model，VLM）。它让很多过去需要专门训练视觉模型的任务，变成了“写一句提示词”就能尝试的事情。<strong>但 VLM 的能力分布很不均匀：有些任务表现接近人类，有些看似简单的任务却频繁出错。</strong> 在业务中使用之前，必须清楚它的边界。</p>