原文作者：公众号“Today读什么” 原文链接：https://mp.weixin.qq.com/s/BrsWJJAv22qHVa_gfv2cpg 一张照片被压缩、噪声、暗光和模糊破坏后，多模态模型仍然可以写出一段逻辑完整的分析。但分析越流畅，不代表它看到的证据越充分：车头朝向已经模糊，模型仍能解释车辆为何“直行”；公交车轮廓已经重叠，它依然可以自信地数出三辆。 过去的方法通常让视觉编码器适应噪声，或者让模型先用文字分析图像受到了什么破坏。Robust-U1 换了一条路线：**既然关键视觉信息已经丢…