10月12日のウェブマスターハウスのレポートによると、AppleのAI / MLチームとコロンビア大学の研究チームは、画像内の信号機を正確に見つけることができるマルチモーダル大型モデル「フェレット」を開発し、GPT-4Vよりも優れたパフォーマンスを発揮し、「見て、話す、答える」タスクで大型モデルの精度を向上させます。 Ferretの主な革新は、参照と接地の両方の空間的理解の緊密な組み合わせにあり、モデルが特定の領域のセマンティクスを理解し、対応するターゲットを同時に見つけることができるようにします。