Meta开源DepthLM，通过视觉提示与稀疏标注，不改动VLM标准架构，实现媲美纯视觉模型的像素级深度预测，为自动驾驶、机器人等领域开启多任务处理新可能。

揭示顶级AI如GPT-4o、Gemini在视觉文字识别上的致命缺陷。通过切割汉字和颜色叠加测试，发现大模型缺乏人类的结构先验知识，暴露其在符号理解上的盲点。探索AI资讯，了解LLM前沿挑战。