视觉模型，归视

觉模 也可以按照指令进行推理 。没错这类模型可以通过几个示例解决复杂的模型越大推理任务 
，大规模预训练模型在 NLP 领域取得了成功，性能型

过去几年，越好

这很自然地引发了研究者们的苹果联想：使用自回归目标对 Transformers 进行缩放的成功是否仅限于文本 ？

在最新的一篇论文《Scalable Pre-training of Large Autoregressive Image Models》中，模型能够不断提升性能。归视探讨了用自回归目标训练 ViT 模型是觉模否能在学习表征方面获得与 LLMs 相同的扩展能力  。同样遵循「参数越多性能越强」的没错规律 ？刚刚
，

众所周知的模型越大是，模型越大，