（来源：上观新闻）
A、B、🇹🇻💘C是三个线性映射🕺👩🏫。PAND🤒🥎seo的培训班ASET 的🕥构建过🦸♂️程，就像🍇是一个大规模的👉👳"人工制🕤造缺陷"实验🐘👨👧👦。研究团队使🧗♂️用了一个🔈🔠名为 DIN🐾Ov2 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🌼🎑。
“虽然最开始🇹🇩使用Her📮🧱mes的几次对🧀🏄♀️话，跟Ope🔟🇲🇺nClaw的🚷🧘♂️Token🆖🇲🇼消耗量差不多🐨🍯，但越往后🇹🇴💓聊，会发现Her🥄mes消耗的🖍Token反而会👨👨👦👦🤛少一些🎑🇨🇴。由于每种能力只对🇦🇽⭕应一个单词🗃（比如A、🇮🇲B、C🛅🐾），模型只需🏤🈲seo的培训班要在这些候选词之🇲🇹间选择，🥎判断过程极为💮🔀高效，🇰🇵☣每次任务只🌘🔤增加几秒🏟👩🦳钟的额外时间🇺🇦。
