学者呼吁区分 VLM 与 MLLM 术语含义
y_m_asano · x · 2026-08-24
作者从教学角度出发，呼吁不要将 CLIP 类模型与 LLaVA 类模型混为一谈。指出 VLM 应指代 LLM 的多模态扩展（如用于视觉问答），而 CLIP 类模型主要捕获静态语义。强调在机器人学等领域滥用 VLM、VLA、WAM 等术语会阻碍沟通清晰度，应尊重术语的历史起源。
所属事件:学者呼吁厘清 VLM、VLA 与世界模型术语边界(2 条相关)→
「研究」频道最新
- 上交大 AutoLab 发布 Drive3R:流式 3D 重建基础模型瞄准自动驾驶 — AutoLab-SJTU · 2026-10-16
- 独立研究者发布 Cortex:用重放实测自动进化与修剪编码 Agent 的 skills 和 rules — Samuele Giampieri · 2026-10-16
- 团队用「零延迟实验室」测出 agent 药物发现是否靠预训练记忆作弊 — niloofar_mire · 2026-10-16
- 2.6 亿参数循环扩散模型反超 6 倍大小基线，推理算力省近 5 倍 — burkov · 2026-10-16
- 斯坦福 NCM 先画草稿再并行补细节，单 H100 生成提速 21 倍 — lmoroney · 2026-10-16
- AfterQuery 微调 Nemotron 3.5 Super VL:金融信额度准确率 47% 提至 74%,成本仅 1/7 — ycombinator · 2026-10-16