🔄 模型更新:MidReal AI Beta版本增强逻辑和连贯性，提升用户小说生成体验。
“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。
多模态模型将更多地用于文档处理（但首先需要降低成本/延迟）。
2024年，更多品牌或许会改变抓大放小的策略，补课小流量直播。
🔍 使用专有的大型语言模型生成合成数据，取得了优异的性能并创造了新的记录