VLM 只被拿来生成回复？结构化抽取任务缺乏支持引讨论
tenkei_01 · reddit · 2026-10-24
一位在 CV 管线中使用 VLM 的开发者发现，多数模型缺乏分类、信息抽取/归因等结构化任务所需的支持，很多模型甚至不提供 JSON schema 或结构化输出。他好奇大家是否只把 VLM 用于自由生成（基于媒体内容生成回复或生成媒体本身），并询问在没有结构化响应能力时如何把 VLM 用进生产管线。
「模型」频道最新
- Scale CEO 预告新模型在路上,网友称 Muse Wonder Full 被低估 — alexandr_wang · 2026-10-24
- Canva Craft 用数百万模板训练模型，如何选「好工作样本」成关键 — jacob_top · 2026-10-24
- 34.72 美元跑通可玩蜘蛛侠曼哈顿：Kimi K3.1 Pro 耗 8 小时 380 万 Token — sven_ai · 2026-10-24
- Cisco 工程师笔记本复测免费安全模型 Antares,达官方成绩约 80% — shashib · 2026-10-24
- Kimi K3.1 对比 Opus 5.5:费用省八成、耗时仅四分之一 — sven_ai · 2026-10-24
- 爆料称 Kimi K3.1 Pro 超越 GPT-6-Astra 全系且开源 — sven_ai · 2026-10-24