[일반] O1이 어떻게 소네트보다 착시 못알아보냐;;

[익명(january5714)]

시발 이미지 보고 추론하는 기능은 없나

[익명(59.14)]

내생각에 굳이 학습은 따로안시킨거같음 그냥 데이터뭉치넣은듯 아마 학습시키면 금방할거같은데

[익명(210.91)]

아니지, 얘네는 이미지를 바로 인식하는 게 아니라, 이미지 인식모델한테 이미지 보내고, 거기서 출력된 텍스트를 보고 답변한다고 봐야지. 그러면, 이미지 인식모델이 도형의 색, 위치 정도는 출력해주는데 크기나 더 디테일한 정보는 안 뽑아준다고 봐야겠지. 하지만 이 정보 만으로도 무슨 실험에 사용된 무슨 그림인지는 인식할 수 있으니 그에 대한 정보를 출력하고 있는거고. 그런데 이걸 이미지 인식모델이 못 하는 걸 아닐거고, 할 순 있는데 데이터 사용량 때문에 제한 걸어둔 거라고 봐야 할 듯. 이건, LLM의 근본적 문제, 지능 문제. 이건 아닌 듯.

[익명(210.91)]

하지만, 에이전트 등에 쓸거면 당연히 저런 걸 구별해야 하니까, 이미지 인식 모델 자체를 더 좋은 걸 쓰게 해야 할지(그러면 컴퓨팅 자원이 더 필요함) 혹은, 4o처럼 아예 멀티모달로 만들지. 물론 멀티모달이라고 저거의 크기도 제대로 인식하는 지는 알 수 없는 것 같음. 그래도, 4o 처음 나왔을 때 사진만 넣어도 어느 지역 어디 사진. 착시 사진 전부 찾아냈다가 검열되면서 너프 먹은 거 생각하면, 실성능은 어느정도 가능하지 않을까 싶긴 함.

[chatgpt4o(ejrtksfl2)]

o1 pro는 잘함 ㅇㅇ