2026-05-31 · 特辑｜从 LLM 到 VLA：会看会说会动的模型，差在哪个字母

一期把当下最容易混淆的几个模型范式一次讲清的技术特辑：大语言模型 LLM、视觉语言模型 VLM、视觉动作模型 VA、视觉语言动作模型 VLA，以及世界模型。从最底层的 token 与 Transformer 讲起，一路深入到 2026 年最前沿的 VLA 是怎么把连续动作塞进一个语言模型里的——离散化、扩散、流匹配三条路线，双系统快慢分离，以及联合训练为什么不可或缺。再讲清世界模型这个唯一向前预测世界的范式，和 VLA 的三种互补关系，以及 LeCun 的世界模型派与规模派之间真正的分歧。给已经在这个领域、但想把这几个概念边界彻底厘清的人听。