图文理解

• 

  多模态模型边界：图文视频一起理解的能与不能

  多模态能描述、对照、检索图文视频，但在细节计数、精确识别和因果上仍有硬伤。

  2026年8月24日

  标签：图文理解、多模态、视频理解