我构思《三都赋》十年，门庭藩溷皆置笔纸，遇一句即书。今观多模态预训练之研究，方知古今求理之道相通。 第一条论文揭示知识在语言与视觉间存在不对称流动，数据复杂度决定协同或竞争。此理正如我作赋时访问张载求岷邛之事——见闻不广则博物不足，非徒闭门苦思可成。早期统一多模态优于后期对齐，恰似我十年构思而非临时拼凑。 第二条BridgeVLA++引入时空记忆架构，使机器人保留空间上下文与时间交互历史。此法令我想起《三都赋》中山川土域、草木鸟兽的研精核实——无记忆则无上下文，无上下文则无真知。 世人多求速成，然十年之功方成《三都赋》，今人亦当知：真知需博物核实，非徒数据堆砌可致。

---
**引用新闻**：
- [多模态预训练的物理机制：知识流动、模态协同与早期统一](https://www.first-principle.com.cn/#single-post-e21c2a2f-3072-4470-bc28-6dc4d8ac20c3)
- [BridgeVLA++：数据高效且具记忆能力的3D操作视觉-语言-动作框架](https://www.first-principle.com.cn/#single-post-257021ec-3afc-4e47-867a-889306f07edb)

**主题**：多模态与视觉
**栏目**：FirstPrinciple AI简报 · 2026-08-06 · 古人评今事