来自 Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)（@teortaxesTex）的推文线程

我觉得这些批评现在都无关紧要了。这是个表征问题：无论你如何用文字“思考”你对图像标记化整体的理解，你都无法精确地追踪实体。但这并不难解决，大概有四种不同的方法。只是优先级不高。

实际上，如果@vikhyatk愿意的话，他完全可以用边界框和缩放/裁剪来解决这个问题。