🌐 教授使用GPT-4和DELL-3进行多模态历史模拟，通过互动方式改变历史走向，丰富了历史教学。
“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。
但这几年，开始有了希望的苗头。
论文网址：https://arxiv.org/abs/2312.17234
🔍 研究人员提出了一种简单而新颖的方法，只使用合成数据就能获得高质量的文本嵌入