“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。
正如我们在文章《达播、店播双爆发，淘宝开始两条腿走路》中所说，淘宝多年积累的消费心智，让不少品牌相信“淘宝天猫是品牌的终点”，淘宝独有的以店铺为核心的商家经营体系，以及淘宝内容化带来的流量增量，则让淘宝店播仍然有着相当的红利可以挖掘。
现在在全世界范围内普遍采用的这种地震预警系统，可以在潜在的破坏性地震开始后三到五秒内，向受灾地区发出响亮的信号。
论文地址:https://arxiv.org/pdf/2312.08914.pdf
这也是该机构有史以来，对企业开出的最高罚单。