盖世汽车讯 视觉语言模型（VLM）是现代人工智能（AI）的核心技术，可用于表示不同形式的表达或学习内容，例如照片、插图和草图。它具有很强的泛化能力，使其能够准确识别特定领域内图像中的物体。然而，这种泛化能力也存在风险。例如，VLM 可以将真实车辆和插图车辆都识别为 " 车辆 "。

如果将这种模型应用于实际系统中，则存在将路边广告中的插图车辆误认为真实车辆，从而导致严重交通事故的风险。为了将安全可靠的人工智能应用于实际，必须建立能够根据应用场景适当控制学习知识的技术。

图片来源：东京理科大学