“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。
论文地址:https://arxiv.org/abs/2309.14030v3
事实上，2023年还有不少品牌直播案例，从品类和内容来看，既有水泥、煤炭这样的纯B端商家开播，也有大批品牌尝试AI数字人，虽然尚未跑出足够亮眼的案例，但也进一步证明了一个趋势:品牌直播正在走向深水区。
研究人员将相关病例的文本粘贴到ChatGPT的提示中，然后由两名合格的医学研究员对AI生成的答案进行评分。ChatGPT在100个病例中仅有17个正确的诊断，72个错误的诊断，以及11个未完全捕捉到诊断的情况。其中，57%的错误诊断集中在同一器官系统。
语音自动生成字幕: 工具具备自动生成字幕的功能，用户可以在软件中对生成的字幕进行灵活编辑，确保最佳的翻译效果。