学者呼吁厘清 VLM、VLA 与世界模型术语边界

伯克利教授 Jitendra Malik 呼吁机器人学界保持术语精确，不要混用 VLM、VLA 与世界模型等概念。另有学者从教学角度指出，VLM 应指 LLM 的多模态扩展（如用于视觉问答的 LLaVA 类模型），而 CLIP 类模型主要捕获静态语义，两者不应混为一谈，以避免概念混乱。

2026-08-24 ~ 2026-08-24 · 2 条相关

• Jitendra Malik：别把 VLM 和世界模型混为一谈 — JitendraMalikCV · 2026-08-24
• 学者呼吁区分 VLM 与 MLLM 术语含义 — y_m_asano · 2026-08-24