🔗 未来增强承诺: 摩根大通承诺以轻量级方式将视觉融入DocLLM，进一步提升其多模态文档理解能力。
“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。
品牌如何掘金视频号?视频号还有哪些机会和挑战?1月23-24日，慕江南创始人周大帅将作为嘉宾在2024新榜大会现场分享，欢迎到场交流。点击文末“阅读原文”，了解更多。
现在，在用AI和其他技术及时预测地震这个方向，研究者取得了不少突破。
如果让我来打比方，我会觉得蛋仔就像是一个承载着这种认同感的「线上迪士尼」——不管什么身份，每个人只要进去，就是童话里的孩子、回家的公主/王子，而这个场景和里面的NPC，都会绝对无条件地守护你这份认同。