DuoCook1 篇实战文章

先说结论：10 月 22 号挂上 arXiv 的这份基准，最值钱也最难看的数字是 26.2%。 四个视觉语言模型，二十张地图，跑完之后表现最好的是 gpt6astra，平均订单完成率 26.2%。 四单成一单。 这成绩单要是拿去配「视觉语言模型已经能协作」这句宣传，那也太好糊弄了。这也配叫协作？