Puan ders bitince hesaba yazılır. Bu dersi tamamlayınca +55 XP alacaksın. Giriş yapmadan ilerlersen puan yalnız bu tarayıcıda durur.
Görselden gelen talimat
Çok modlu model görseli anlam olarak işler. İçindeki nesneyi tanır, sahneyi tarif eder, üstündeki yazıyı okur. Bu son yetenek işin can alıcı noktasıdır. Görseldeki yazı, modele metin olarak ulaşır.
Metin olarak ulaştığı anda istem enjeksiyonunun bütün kuralları geçerli olur. Model, kim yazmış diye sormaz. Sistem talimatı, kullanıcı sorusu ve görselden çıkan yazı aynı akışa girer. Görsel yeni bir açık değil, eldeki açığa açılan yeni bir kapıdır.
Bu davranışın kökeninde model mimarisi yatar. Görsel-dil modeli, görüntüyü küçük yamalara böler ve her yamayı aynı sayısal uzaya, metin belirteçleriyle birlikte yerleştirir. Model açısından resimden gelen bir yama ile kullanıcının yazdığı bir kelime aynı türde veridir. Aradaki fark yalnız kaynaktır, modelin kendisi bu farkı otomatik olarak işaretlemez. Ayrımı sen kurmazsan, sistem hiçbir zaman kurmaz. Bu yüzden görsel işleyen her sistemde metnin nereden geldiğini ayrı bir alanda tutman gerekir.