（来源：上观新闻）
研究团队使用了👤🍿一个名为 DI🥧🛍NOv2 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👽🐆。作者可♟️能只写了主要思😘路，很多📹实现细节散🇵🇦落在各📵😜个章节，7️⃣🚆甚至完✖🐶全没有提及🏗👨👦。
“原来做产品的🏖❌节奏是设计、产品👨⚖️📸方案、开发、🇵🇰🇦🇿上线、用户反📒馈，流程下来🙃🎊可能要一两🤥个月或更长时间😁👩❤️👩。其实最近🐋大家在聊 🇹🇭Harness 🏌️♀️🇵🇸Engin🐸eering 🎂的时候，肯定会🍨🐷聊到 Mult🧁🇲🇦i-Age👨👧🎲nt，为🌲🥟什么 M😡ulti-A💚gent 这👨👩👧👦么重要？ 这💉🏗个概念🧧☄两年前就有了，那👸🍛会儿我不太看好🇵🇼。
换句话🇸🇦🧫说，即使你把答🥦👩🚒题范围画得很清楚🏠🚽，这些模型依🦛🚑然习惯性地"🦅🇳🇴看整体👼"，没有能力做🚬🌘到"看局部"❣🇹🇦。最后还有一⚽点需要说明🏑：该芯片尚🇯🇪未实际生产🇾🇹。在视频🎴分析领域，可☀🇧🇹以用类似的框🇨🇺👱架来描述两段视频🍊🐙中人物动💶作的区域级差‼🧸异，用于视频🦹♀️动作对比任✂务🕙💔。
