Ferret：在任何粒度

Apple的一种新型的多模式大语言模型（MLLM）在图像理解和语言处理中都擅长，尤其是在理解空间参考方面具有显着优势。

Ferret 是苹果推出的一种新型多模态大语言模型，擅长图像理解和语言处理，尤其在理解空间参照方面表现出色，能够识别图像中任意形状和粒度的空间指代并准确地进行开放词汇描述。