“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。
开源模型的组合将击败最好的私有模型。
DeWave使用了事件标记来将脑电波分割成单词级别的特征,这可能导致在没有标记的情况下无法准确地对脑电波进行分割和翻译。
结语
体验地址:https://top.aibase.com/tool/shipinfanyipeiyin