“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。
GPT-4.5/5将发布，但AGI仍未实现@科技博主Matthew Berman
社交媒体时代，随着品牌和消费者的距离无限接近，用户情绪成为一股巨大的力量，可以成就一个品牌，也可能毁掉一个品牌。
加利福尼亚大学洛杉矶分校和Snap Inc.的研究团队开发了一种名为“Dual-Pivot Tuning”的个性化图像恢复方法。双轴调整是一种用于在盲目图像恢复背景下定制文本到图像的先验的方法。该过程涉及使用个体的一组有限数量的高质量图像来增强其其他降质图像的恢复。其主要目标是确保恢复的图像对个体的身份和降质输入图像具有高保真度，同时保持自然外观。
站长之家（ChinaZ.com）1月4日 消息:CoMoSVC是一种能够将一个人的歌声转换成另一个人的歌声的创新技术。这个项目是由香港大学和微软亚洲研究员共同开发的，它在高质量音频转换和快速处理速度之间找到了平衡，是语音转换领域的重大进步。