“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。
如果真是这样的话，Agent的开发会重新蓬勃发展。可以自动化工作流程、与其他Agent交互并随着时间的推移变得更好的Agent。
但随着行业愈发内卷，品牌迟早要变成“六边形战士”，行业人才基础的完善则为品牌的进化提供了土壤。
为了解决这个问题，HandRefiner提出了一种条件修补方法，可以在不改变图片其他部分的情况下，修正那些形状不正常的手部图像。
近期，有网友制作了类似小米官方风格的价格海报，其中标注小米汽车SU7后驱标准版首发预售价9.9万、小米汽车SU7四驱Max版首发预售价59.9万等。然而，这些价格信息并未得到官方证实。