“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。
1、清华、浙大等中国顶尖学府提供了性能优异的GPT-4V开源替代方案。
我们大概就领先几个月，然后这个平台就公开，但是我们会开发更好的。
4、进一步规范信息来源标注
品牌正与虚拟影响者建立关系作为吸引注意力、降低成本的新方式。Mintel媒体和技术副总监Rebecca McGrath指出:“对于一个品牌来说，他们拥有完全的控制权，而真正的人则有潜在的争议、自己的要求。”