算了一笔账:1M 上下文可存 16 小时的每分钟视觉快照
YouJiacheng · x · 2026-11-23
YouJiacheng 补充计算:一张图可 tokenize 成 256 token,现代 LLM 有 1M 上下文,若分配 256k token 给视觉快照,可容纳约 1000 分钟、超过 16 小时的视觉记忆——远超现有任何 VLM 的记忆容量。这回应了「视觉 token 太贵、无法靠扩上下文存历史」的质疑。
所属事件:VLA 记忆架构探讨:LLM 存长期史,滑窗帧管实时控制(3 条相关)→
「具身」频道最新
- 机器人步法演示夺冠,Air Street 创始人惊呼「不可思议」 — nathanbenaich · 2026-11-23
- OpenAI 联名掌机 ModRetro Chromatic Codex 版开箱在即,附可编程卡带 — Yamapama · 2026-11-23
- 奶爸用 Hermes 全程打造 YOLO 本地识别版 3D 打印宝可梦图鉴 — Teknium · 2026-11-23
- 特斯拉 Optimus 弹钢琴:人形机器人灵巧操作再进一步 — dioscuri · 2026-11-23
- 稳定 JEPA 可自动分块时间轴,只在意外事件时调用预测器省推理开销 — MarcJSchmidt · 2026-11-23
- 特斯拉 FSD V15 后续:全路线学习导航+Grok 语音控车将至 — PTrubey · 2026-11-23