超越可教之境：探索智能视觉生成的知识边界
视觉生成模型擅长渲染，却会自信地编造未知内容。用户需求是无界的、不断演进的且高度长尾的：新角色、热点实体、截断后事件等。这种世界知识瓶颈是结构性的：生成器在固定语料上训练，但视觉世界是开放式的。研究团队构建了SearchGen-20K和SearchGen-Bench，包含20,839个涵盖12种失败类型和22个领域的提示，并配套预执行的多模态SearchGen-Corpus-1M以支持离线可复现研
查看原文解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。