“I”:视频输入。GPT-4V对视频的理解还相当原始，因为它将视频视为一系列离散图像。减少信息冗余的最聪明方法是什么?学习目标应该是什么?下一帧预测与下一个单词预测有着明显的类比关系，但它是否是最佳的?如何与语言交错?如何引导机器人和人工智能的视频学习?业界尚未达成共识。
9. 多模态AI将成为新常态。苹果公司的Ferret和特斯拉的FSD正在引领潮流。但挑战也会随之而来。视觉、听觉，甚至是感觉?
声明:本文来自于微信公众号新榜（ID:newrankcn），作者:云飞扬1993，授权站长之家转载发布。站长之家（ChinaZ.com）1月2日 消息:近日，腾讯宣布推出一项名为 Paint3D 的技术，该技术在解决了生成没有内嵌光照信息的高质量纹理的挑战后，成为自动化纹理贴图生成领域的重大进展。
站长之家（ChinaZ.com）1月1日 消息:当当网创始人、响珰珰董事长李国庆在广东卫视财经郎眼特别节目《问答八方》中宣布了离婚的消息，正式迈入新的人生篇章。他表示:“真离了，我现在自由身了，我觉得一身轻，我可以重新开始我的爱情和家庭。”