一、多模态场景理解中的因果推理挑战 多模态场景理解要求AI模型同时处理文本、图像、语音、传感器数据等多种模态信息，并从中推断出具有因果关系的逻辑链条。例如在自动驾驶场景中，模型需结合摄像头图像（视觉模……
