（来源：上观新闻）
作者的解释是，小🇦🇬模型在领域⏯ SS🤝🇲🇵L 阶段🥵从一开始就把表征🦒对齐到"驾🕹👨🎓驶相关区域♻🧪"，而 ViT-🧚♂️🦘L 是从通用⛑🇵🇲视频预♊👨🍳训练继承过来，需👲🦹♀️要同时适应表征分💴布和学习碰🌾➿撞线索，注意力因🤺🎟此更弥👝散🆑。
但说不定有🛠一群人，他⛩♓觉得在埃菲尔⛴🇱🇾铁塔、在🛒🐍故宫吃了🇳🇺一餐什么，🇧🇻很有格调👩👦👦💞。随着 OpenA🚵I 为上市👈🏋做准备，🇨🇼🇳🇱Fria👳♀️r 建立🥟🇸🇴了很高的公众形象🇬🇬，积极与媒体🇲🇬🏒互动🇸🇿。
