图片来自麻省理工学院。研究人员开发了一种方法，通过使用带有假名的视频跟踪数据来帮助视觉语言模型更好地定位个人物体。通过将对象的名称更改为伪名称，模型被迫专注于视觉上下文进行识别。训练方法将定位精度平均提高了 12-21%，具体取决于方法。麻省理工学院的研究人员开发了一种方法，教生成式人工智能模型识别和定位个人物品，这可能会彻底改变我们在日常生活中与技术互动的方式。该项目旨在通过提高人工智能识别对用户非常重要的物体（例如特定衣服、书籍或其他个人物品）的能力，使人工智能更具适应性和个性化。该方法如何工作新的训练方法采用了一种创新方法，其中模型是在精心准备的视频跟踪数据上进行训练的。通过在多个帧中跟踪同一对象，模型被迫： 专注于上下文线索而不是先前记住的知识。培养识别不同环境中物体的能力。学习识别将某个对象与其他类似对象区分开来的特定特征。当您输入宠物的一些样本图像时，重新训练的模型可以识别您的特定动物在新图像中的位置。该方法优于当前最先进的系统，最好的部分是模型的其余一般功能保持不变。实际应用 该技术有多种潜在用途： 可以识别特定财产的个人协助。可以区分相似物体的智能家居自动化。准确的物体识别至关重要的工业应用。像 GPT-5 这样的视觉语言模型在识别一般物体方面令人印象深刻。他们可以轻松识别狗、汽车或花。但是当谈到寻找