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

第三部分是我非常期待的研究方向（+机器心理意象+感知标记）：多模态CoT（而不是喃喃自语的VLM）。 它基于 BAGEL（而 BAGEL 又基于 Qwen 2.5-VL-7B），所以结构相当封闭。而且是纯手工打造的。 但是！它们会进行突发性操控！

这太酷了 @leothecurious 我认为这在很大程度上证实了我之前对VLM愿景的谴责，即它为时尚早，而且即使在这种残缺的范式下也有很多唾手可得的成果。