“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。
3. “大语言模型”和“LLM”等术语将变得不那么常见，描述模型的术语将变得越来越多维。
但仅仅七年后，很多事情都发生了变化。
而令科学家感到惊喜的是，他们发现先前很多认为是噪声的信号，却被机器学习认为是可以做出预测的主要信号。
另外，与小爱同学、OPPO 等合作伙伴的 “召唤小冰” 技能服务也将切换至小冰大模型。