（来源：上观新闻）
研究团队使用🚫🙇♀️了一个🐬名为 DINOv🇲🇴2 的预训练视觉🌉🇸🇷模型（可以把它理🚓🇨🇭解为一个经过大🍾量图片💚🇰🇳训练的"看图专🧓🎁家"），将输🍠入的两张图片🏣分别转换为包🗓含丰富视☹觉信息的🆔特征矩阵🥊🌤。比不上 O🇫🇮👷♀️pus 4.7，🌝但我觉得是目⚖🇹🇩前开源阵营的 T🏴☠️op1🐲。。研究团队还提🛬出了一个🇬🇬😢有趣的未来方向🗾：把失真图7️⃣作为推理链的中间🏩🍜步骤，让🧲模型先生成失真图👨👨👦🌘，再基🎍于失真图给出最🦑终的自然语言🏄🧴描述🏭。
你可以把它🍖理解成一种♾️"步步打🍖🏁分"的训练机制🌭😀。两家公司，同一🌹个优化器，解决🔺同一个➗问题，走的🔯♠是两条💷🤟路Ⓜ。TPU 🇵🇰💮8t：✂面向超📷🙍大规模训练🏴⛽的算力引擎 TP📛U 8t定位为🌅预训练与💗🙀嵌入密🏇👩👩👧👧集型工作负载💄的专用加速器，谷🛅歌称其能够"🇫🇴将前沿模🔶☄型开发周期🖇👢从数月压缩至数周ℹ"🦝。可以把每🏙个令牌🕉理解为一个"🔂标签贴🚰〰泛站群程序源码纸"，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💑🚱泛站群程序源码区域的😙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📱。
