（来源：上观新闻）
比如 Co-I🔯🎯nstruc📇t、Q🇺🇾-Instru🍶ct、D🍣🏯epic⏮tQA 等，🇳🇵它们能2️⃣够告诉你🧥📄"这张图片整体⏮有点模糊"🦇📂或者"这张比那🐅🇦🇼张清晰"😫。“以往用Ope😣🐭nClaw，遇🕜🐔到重要任务我👩👩👦👦🎱会主动♐提醒它帮我总结🥇。
其一，这🦷些模型在训🌚💅练时接触的数据🇦🇩🔼基本上🥜泛目录最新技术都是以🏊💁整张图片为单位💗的质量评估♒，从没有🤸♂️😊被专门训练过"🧂💥逐区域分析🌋📇"这件事📪。结果表明，🕋🤨在 KADI🇪🇨D-10❎🗻k 上，基于🦈 PANDA☮🛎 分数的排🗂名准确🌛☪率达到7💮8.8🇵🇾3%，基于🔗👨💼比较关系的排®名准确率🥳达到76.9♾️🕝0%，超过了同类🚓开源多🥈模态模型（🇨🇭如 mP👅🚵♀️LUG-Owl🎚🇮🇶2 的48.👳♀️5%、L💝🈯LaVA-1.6😣🦠 的57%、🈷Q-Inst🏃♀️ruct 的5💩5%）🐹🙌。
随后，🇨🇲一个负🐔🇨🇨责分析的AI（💩可以理解🛠为辅导⏭老师）仔细阅🕥读这些记录，对比🇬🇼成功案🦸♂️例和失败案例🤦♀️💚，寻找规🇸🇽0️⃣律性的差异🔟🦖。DC 可以🧚♀️🇳🇮无限期地👸😭运行，🍒但在本例中🇹🇴，我们在🙁消耗了一定👩👩👦👦◼数量的令牌后👒🔹终止了它的执🍛🚙行💥。
