动态

介绍两种提升多模态模型计数等能力的提示方法

介绍两种提升多模态模型计数等能力的提示方法
Xiaokang Chen
您可以在思考模式(通过网页/应用)尝试以下两个提示,以在计数等特定领域获得更好的模型体验(注意:括号标题后保留换行):

[Think with Grounding]
.......

[Think with Pointing]
......

这两个提示鼓励模型在其思考过程中采用边界框或点(这是计算机视觉中的经典基础)。

就个人而言,我喜欢用指向法解决抽象的拓扑/推理任务。用点表示连续轨迹使得多模态模型的推理过程更加人性化。

纯粹从个人探索来说:让多模态模型用点精确表示连续轨迹仍然是整个行业极具挑战的前沿任务。当前在实际场景中的表现还有很长的路要走。
Xiaokang Chen
Vision 现已上线网页和应用。👀

快来测试新视觉,同时也试试它的纯文本能力。https://t.co/YalLLsb7e3
动态Xiaokang Chen2026-06-20原文

相关内容