在计算机视觉领域，我们长期面临一个痛点：传统的检测模型（比如 YOLO）就像个“死脑筋”，只能认出训练集里有的东西（人、车、猫）。如果你想让它识别“古籍里的木刻画”或者“电路板上的微小零件”，往往需要