（来源：上观新闻）
更重要的是，♨🐺他们通过大🇳🇦🌚规模实验揭示了当✌🚜前最先进的多模🐵态大语言👱♀️🦸♂️模型在区😋域级质量理解上👨👨👦👦🥮的系统性9️⃣🇸🇾短板—🇧🇪—即使是 Ge🍁mini 🐁📇2.5 Pro 🧭😡这样的顶尖商业🇲🇸🥡模型，📮在这类任务🇨🇽♓上的表现也接近💏🤣随机猜🇯🇵测的水平🎿🏭。
这个解码🐳器由多层💒 Trans8️⃣🍌former🏊♀️🛀（一种强大🍻↘的注意力🇹🇯机制网络）组🚗🇧🇬成，让🎡每个区域的特🍖🕓征同时👨👩👧👧💊"看"到对💩方图片的全😽🧳局特征，从😪🙆♂️而学会"🔟🐛我在另🇸🇿一张图片中对应的🇱🇷🎆区域是什么样🐵子的"🚽。
值得一提的是👩👦，对于来自 Se🇨🇭🌫agull-🏊♀️100w🐻 的图片，🐗当合成失真类👩👩👦别与图片本身🐧🇳🇺已有的ISP真🇬🇬🌞实失真（⌨🌫如真实🥘🍶噪点或👵模糊）重叠🇮🇩时，系统😏会优先🐗保留真实的IS👩🌾P失真效👨🚒🤠果，确保数🧔🍘据的真实性💋。
