LLM：chatgpt不知道自己不知道，如何缓和这个问题，还有幻觉问题。
VLM：效率问题、精确问题
Robots: 效率问题、精确问题
Simulation_Env：通用性(Unity)、方便易用性
现实问题：成本、等等
相关推荐
剑客的茶馆4 小时前
GPT，Genini, Claude Llama, DeepSeek，Qwen,Grok,选对LLM大模型真的可以事半功倍！微学AI9 小时前
详细介绍：MCP（大模型上下文协议）的架构与组件，以及MCP的开发实践加班挖坑9 小时前
本地部署graphRAGlaygin9 小时前
一文图解混合专家模型(Mixture of Experts, MoE)Feel_狗焕10 小时前
transformer架构详解由浅入深-大模型入坑笔记真的很详细商汤万象开发者11 小时前
一文讲透“MCP协议+LazyLLM”实战：零基础秒建Agent分身！Awesome Baron11 小时前
《Learning Langchain》阅读笔记2-基于 Gemini 的 Langchain PromptTemplate 实现方式云逸001～13 小时前
Kubeflow 快速入门实战(二) - Pipelines / Katib / KServerAI大模型顾潇17 小时前
[特殊字符] Prompt如何驱动大模型对本地文件实现自主变更：Cline技术深度解析袋鼠云数栈UED团队18 小时前
AI 大模型科普-概念向