摩根大通推出多模态文档理解模型DocLLM
“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。
到2024年,我们将看到更多实时图像、音频和视频生成传播应用。
2023年11月17日,国际服装巨头Zara在抖音进行了一场耗资巨大的Live Show式直播,再一次引发业内对直播价值的讨论。
1. 🛠️ **HawkEye AI调试工具:** Meta推出HawkEye AI调试工具,旨在解决监控和排除其机器学习模型在生产中面临的挑战。