据站长之家 10 月 12 日报道，苹果 AI/ML 团队与哥伦比亚大学研究团队合作开发的多模态大模型“雪貂”（Ferret）能够在图像中准确找到交通信号灯，比 GPT-4V 表现更出色，提高了大模型在“看说答”任务中的精确度。 Ferret 的关键创新在于将引用（referring）和定位（grounding）两方面的空间理解能力紧密结合，使模型能够同时理解给定区域的语义和找到对应目标。