（来源：上观新闻）
默认配置⛳🧲使用 DI🇧🇳‼NOv2（📧📤小型版本，Vi☂T-s🇻🇦🧶，384维特征🎒），研究团队还👩👧测试了 🌔🧖♂️DINOv2（🈯基础版本，V🚦♊iT-b，768💦维特征🇲🇳）和 SigL⛓IP（768维🦹♀️）的效🇩🇿👨🔬果🇿🇦。
基于这一🧜♀️🤷♂️架构，WALL◾-B实现了三项📜现有模型不具备的🥋核心能力： 1.🥒🇶🇦 原生多模态🏛🕸+本体感 W🇨🇱👶ALL🇹🇰-B从训练第🐧♠一天起⛈，就同时接收🇬🇾1️⃣视觉、听🌯觉、触觉、语😿👨👨👧👦言、动作等多模态♦数据，实💀🌌现“多模态进、多🇧🇭模态出”🦑🇰🇵。
