（来源：上观新闻）
这种矩阵🇳🇮🖋在乘法下是🐄封闭的，👩🏭👢堆很多层也稳🍨。Q-Bench🤓 等工作侧🇦🇼重于单张图像👨👨👧👧💘的整体质量分📦析；DQ49📁5K、MI🔂🧬CBenc🔂🥤h 等🚟工作虽🇲🇬然涉及图像🛎对比，但🗳不是以区域🎰为核心出发点👈；Seag🦉🥬ull、QGro🦶und、Gro🌴undin🚤g-I🧝♂️🇨🇻QA 等🇸🇽工作虽然涉及区域🐣🦋级分析，但只针🌼对单张图🧰👽像，不支持⏰🎨两张图片之🤥间的区🏡⭕域级比较⌛🔔。
Agent 也是🇧🇪环境的🇹🇦反应器啊🎣🎌。1、扩展性 我😡们发现，👨👨👧👦🇭🇺对于 👩👩👧👦🤭DC 📙👩🚒而言，扩🇲🇰💜展到非常庞🍈❤大的代码⏮🛥库（例如♾️🇦🇱，包含数百万行😛🇲🇹 Veri🌗📂log 代码）🥖并不会造成任何🇦🇱☣特殊问题🐑。可以把每个🕖▶令牌理解💑为一个"标签⚜贴纸"，系统会为💍🛳图片中的每个区🖇🇰🇳域随机😝🍌分配一个这☃样的贴🕯纸，然后把贴🕥纸和区域的形🚆🇦🇩状信息🇦🇮🚼相结合，再与图像🧰🔭的深层特征➿融合，从而🇳🇵🏳️🌈为每个区♍👨🦳域生成一个"个🐥⏸性化"的特🗜征表示🤠🤼♀️。
相反，DC 🇲🇷🏕对每个变↩🤶体都进行了完🅰💂♀️整的 Ve🇧🇯rilog 实现💜🇵🇾（有些变🇧🇿🇧🇴体的分支惩🌶罚为 2 个周🕰🇻🇳期，有些为 🇧🇼1 个🔒周期）➡。对1M 🤽♀️token的序列🎉🐝，原本需🛑要attend 👯1M个to🚔ken，🧕现在只需要a🔍🏡ttend🔟 102🇵🇾4个压缩块🍡🇺🇬。这不是在抱怨某🌱款产品，这🚃😋是当下几乎所有 🇩🇴AI 工具🥫👨💻的共同局限：它🇬🇬们没有记忆，也没7️⃣🇪🇭有成长👝😨。
