（来源：上观新闻）
它不需要持续🧱观察自身全身👩👦👦⚡，就能内👩🌾在地感🇦🇽☃知自己的🧐👠高度、宽度、手🕌👵臂伸展范围，⚗👻判断能否通过某个👩🏭⏳空间或触及⏸🇨🇩某个物体🍞🏨。这项由南方🚒⌚科技大学、北😡京邮电大学、微🔛软亚洲研究院、🅱☀上海财经大学✅🐐、清华大学及I〰🧝♀️NFLY T🙉😂ECH联合开展👩🌾的研究，以预🍻印本形🔗🏃式于20🇻🇦26年4月🇷🇼发布，🇮🇳论文编号为arX⛱👨🎓iv:2604💁🎑.0886🏵🔲5📄🎧。
” 公告同时表🇱🇰🌕示，“家门常🤮👨🚒开，欢🏛迎归来”，传递🇺🇦☦了对两🌨位主播的不舍与☃期许♌🎣。这种“所🙍见即所得”的可🌞🎁靠性，让🐫设计师🇬🇼终于可以放心🚪💁将重复性工🥿作交给 A🐇🧢I⏱🐠。与此同时，😚一个叫做 🇩🇬🐭SAM（Se🏜gment A🖱nythin☮🇲🇩g Model🏖，即"万能分割模🇨🇭☢型"）的工具负🍗⭕责把图片中的每个🈺🗡区域自🚴👼动分割出来，🍂🗑生成对🔁🎁应的二值掩💆♂️🦸♂️码（也🔲就是标记出🚄🇸🇭每个区域的精🃏👩💻确边界）👫🤜。
在受控对比🍉👎实验中，7️⃣🧗♀️AI科📹📡学家使用两种底🇲🇲♈层模型🛷😢均达到了🔪81.82%🛑的任意奖🗜🇱🇮牌率，分别比⚛最强对比系⛲💅统高出4.5🧚♀️🗒5和18.🚮18个⛱百分点👿。Q2：PA🥽🇵🇫NDA模型和GP🌈T-4👨🏫o这类大模型🇰🇳相比有什么优势😍😑？ A：PAN🇰🇪🏣DA的参🏍🦘数量只有0.🇿🇼028😭🌓亿，处理一对图片🐋🌥仅需3.53🇿🇲⤴秒；而GPT-🇨🇱🎞4o等大模型参数🇹🇴🥯量达数百亿甚至更😤多，且在区域级🦇💊质量比较任务上准🚱确率仅26%🥦，接近随🇵🇭机猜测的🏰20%➗🇦🇼。
