技术博客

Meta超级智能实验室与牛津大学研究团队联合发表了一篇长达33页的深度论文，系统性地探究了大型语言模型（LLM）在视觉领域中的先验知识来源。该研究基于100多组受控实验，并动用了超过50万GPU小时的计算资源，首次从实证角度揭示了LLM在缺乏显式图像训练的情况下，如何通过文本数据习得视觉先验。研究成果为理解多模态模型的认知机制提供了重要依据。