“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。
1. 维基百科+大模型打败幻觉，斯坦福WikiChat在事实准确性和其他指标上表现优秀。
我们大概就领先几个月，然后这个平台就公开，但是我们会开发更好的。
增强客户参与度:
然而，人类影响者认为虚拟同行应该透露他们不是真实的。内容创作者Danae Mercer说:“这些影响者让我害怕的是，很难辨别他们是假的。”