（来源：上观新闻）
报告中提到，模型⚔需要理解空间连通🌥🥟性和可达性💝，也就是判断哪里🍟有路、哪🐆🤬里被墙挡住、哪🦌条路径最终能到👦达终点💝1️⃣。这样一来，模型👖的推理就不◽🧚♂️再悬浮在文字里，🎲🚇而是被锚定到⏯🇩🇬图像中的🏰⛹具体位置🦒🎈。但几乎🌤🇰🇬没有公🎐司公开🤹♀️💝承认过😒这一点，尤其是对↖竞争对手的🏷闭源模型进行蒸馏🐠。没技术积♿🇧🇦累的 M⛹️♀️🏏eta🧣 则是直🤛🇧🇶接开始和隔壁 A🚻rm 合作，开始🏑共同研发🧳。
报告中说📻，当前使用视觉基😚👺元进行思考🐆的能力需要通🗳过明确触发词🚂🔋来激活，未🚫来希望模型能🤙💼够根据具⚫体上下文，自主🎼判断是否调用📙🌽这一机制🥝◼。人工智能提升了我🍛🚘们深度理解用🗣户搜索意🏠图、匹配💂最相关广告的能🗼📤力⛏。以往多模态模🃏型面对一张图片🛁时，通常会📧😃用语言来组织思🔨🔐考👾⛷。
GPT-im🕖age-2做的图😟，示意一下 比如🚞调用电🌥👼商平台的接口，或👓📥者浏览器工🆑💦具，去搜奶龙玩偶🦋的价格🙇♀️🇮🇶、款式、店🚙🏩铺和销量🇬🇫。我写完初稿👨🔧🐤后，自😚🤭动扫描了一遍💆，指出我中间有一🖤段技术👩💻概念讲得太干，建♌🖇议我加一🇦🇲句自嘲的话来➕软化一🇰🇵🇷🇺下，还提醒🕵🧳国内比较好的saas平台我在结尾加➗🥋一句引🇦🇸😩导点赞的话🚆术🍥💜。
