#多模态

共享这个标签的文章。

单图≠多图:多图理解时 VLM 为什么更容易"胡说",以及一个两阶段解法
多图分析时网页端和 API 结果一致性差的问题拆解,从 Lost in the Middle 到逐图预摘要的两阶段解法。
3508 字
|
18 分钟
Cover Image of the Post