（来源：上观新闻）
这就带🧗♀️🥃来了一个显👉而易见的局限：🔶🌪当你想🐚🇬🇷对已经生成🇵🇪🏓的3D↩摩托车说"帮我🇫🇷🥌把它改成红色的"🇺🇲🎋，现有的🤣AI系统会一📷脸茫然——它💆🍐要么是个"生成🤓专家"🈚，不懂如何理解并🈂🥦回应你的修改请求🔆；要么是个"🔗理解专家"，能🥖🗨听懂你🕌说的话，却没有🥃动手改👽造3D模型的🛒♍能力🎥。
菲利普，👩👩👧👧🍡交由你发言👇🍼。它们可能是一张🚔照片、一🥑🇷🇼页论文图表、一个🔍网页截🤗🚴♀️图、一🐠份复杂表格，📜也可能是一⛔个需要🍽🎼理解空⤵间关系和视觉细🚰💖节的现♊实场景🤵💛。你多次🇨🇦🌻提到以用户体验为🤩核心优🧥🦖化🇦🇿🔤。网页复🏬🇵🇷刻需要模型💩🇨🇷理解页面📋里的模块、🐭层级和布局🎍关系；迷宫⏪🇨🇩求解需要模型持🇵🇭续追踪路径🇰🇬；复杂图像🇰🇬问答则要求模型在💺多个视觉🥉💷线索之间来回🦡比对🥴。
