我们仍然认为，不能完全依赖AI来实施更复杂的网络犯罪，以目前的形式这样做可能会产生有缺陷的结果。但这个领域的发展速度如此之快，以至于很难看到即将发生的事情。
这意味着DeWave方法的性能受限于预训练语言模型的质量和能力。如果预训练语言模型不够准确或不具备广泛的语言理解能力，可能会影响到DeWave方法的翻译性能。
肉眼可见的是，地震预测正在发生范式转变。
为了解决这个问题，HandRefiner提出了一种条件修补方法，可以在不改变图片其他部分的情况下，修正那些形状不正常的手部图像。
它不仅可以从图片中提取信息并回答问题，还可以将图片转化为JSON格式。LLaVA还可以识别验证码、识别图中的物体品种等，展现出了强大的多模态能力。在性能上接近GPT-4的情况下，LLaVA具有更高的成本效益，训练只需要8个A100即可在1天内完成。