（来源：上观新闻）
研究团队做💏🇹🇿了一个生动的实📷➗验，把同样🕳🔜两张图片同🇸🇸时喂给当时最🎒🇭🇰先进的多模态语📠🇺🇾言模型 C🔳o-Ins🇰🇳🦞truct，并提🏳供了每个区⚗域的名称、🥀🧦描述和边界框坐标💩🇬🇦，请它回答每个💇🇵🇭区域的质量情况🚐。
研究负责人陈博远🇦🇶更直言🤒：“GPT-Im💭age-2 是🐽图像的 GPT🇮🇩——一🧩🆘个可以处理🇸🇸🧑任何视觉任务🎯的通用模型🇺🇾。Ver👨🦱🌂kor.i🤚o团队表示，尽👹管有所改进，🕳但LLM（逻👩👦辑模型）仍然缺乏🎼人类所拥有🤜🕖的直觉🔙👩👩👦。
结果呢？模型给出🔒的回答🕑根本没有涉及🆗区域对比✌，也没有质量评分🥔💑，甚至漏掉了🚈某些区📳域，给出的是一📬段对整张图片的🕙🇹🇿笼统描😴述📵🌙。从一线城市的CB🇬🇷🖖D到三线城市的🥧🇩🇬写字楼，下了👐👩💻班换双鞋就往球馆👩🍳🇦🇶跑的人越来越多🧱。
