“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。
模型将几乎免费地部署在CPU上，而不是API服务。
DeWave局限性
站长之家（ChinaZ.com）1月4日 消息:阿里云通义千问APP近日上线了一项名为“通义舞王”的免费功能，使用户能够轻松地生成个性化的舞蹈视频。
站长之家(ChinaZ.com) 1月4日 消息:发表在《美国医学会儿科杂志》上的一项研究表明，ChatGPT-4在儿科医学病例的诊断方面的准确率仅为17%，较去年一般医学病例的39%更低。