跨国深谈← 返回←VLM

集里怎么说它

• 《为 AI 智能体构建文档上下文层:LlamaIndex 谈 2026 年的 RAG》(11:29起):本集说用 VLM 把文档一次性转成文本的视觉方法读视觉结构不错,但在纯文本页面会幻觉、成本极高、缺语义和定位能力;LlamaIndex 用参数高效的微调文档 VLM 作为混合方案一部分。
• 《智能体时代，你的 PDF 数据管道拖后腿了吗》(10:29起):本集把它说成:本质横向通用、第一次让「像人一样读文档」成为可能的模型,尤其擅长手写体,但规模化时不是万能方案。
• 《当无人机变成基础设施：给机队下指令的人》(17:16起):本集说 VLM 在云端跑更重的跟踪与语义推理,响应速率约 7 到 10 赫兹、延迟 1 到 2 秒,足以做「往哪边移动」的大方向决策,并在「找白色吉普车」案例中找到目标并调用工具

① 提到它的金句

1 条

大多数人让 VLM 或 LLM 给标注打一个分数，但这些分数完全不管用，尤其是当你的模型和裁判规模不同的时候。
most of the people ask the VLM or LLM to assign some score to it, but those scores absolutely don’t work, especially if your models are of different size with judges.
—— Merve Noyan · [06:28]

指向原始笔记的链接

② 出现在这些集

4 集

• 《每天100万份协议：DocuSign 携手 NVIDIA 把合同表格变成可用数据》 — 作为概念
• 《为 AI 智能体构建文档上下文层:LlamaIndex 谈 2026 年的 RAG》 — 作为概念
• 《智能体时代，你的 PDF 数据管道拖后腿了吗》 — 作为概念
• 《当无人机变成基础设施：给机队下指令的人》 — 作为概念

③ 关联

点进去有真内容 —— 本页主要出口

智能体 · OCR · RAG · 上下文 · Hiral Shah · Jerry Liu · Adit Abraham · Suchet Bargoti · Sean Sodha · LlamaIndex