能够进行细粒度定位和视觉语言对齐

**划重点:**1.🧠谷歌研究团队与加州大学圣迭戈分校合作，提出了一种名为PixelLLM的智能模型，可实现细粒度定位和视觉-语言对齐。2.🌐PixelLLM通过在语言模型的每个输出单词与像素位置之间建立密集对齐，成功解决了大语言模型在定位任务中的挑战。