🔄 GPT-4与DELL-3协同，模拟历史中庞贝古城火山爆发情景，提供沉浸式体验。
“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。
5. 开源LLM与GPT-4的差距缩小。我相信在2024年，我们终将看到一个能与GPT-4相媲美的开源模型。
2. 🤳 该方法使用有限的高质量个体图像集，以保持图像对个体身份的高保真性。
🔍 这种方法在文本嵌入领域取得了显著的成果，无需使用大量标记数据