不是视频模型“学习”慢，而是LLM走捷径｜18万引大牛Sergey Levine
不是视频模型“学习”慢，而是LLM走捷径｜18万引大牛Sergey Levine为什么语言模型能从预测下一个词中学到很多，而视频模型却从预测下一帧中学到很少？
来自主题: AI资讯
6241 点击 2025-06-11 11:37
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
为什么语言模型能从预测下一个词中学到很多，而视频模型却从预测下一帧中学到很少？
游戏直播等实时渲染门槛要被击穿了？Adobe 的一项新研究带来新的可能。
为什么语言模型很成功，视频模型还是那么弱？
给大模型当老师，让它一步步按你的想法做数据分析，有多难？
测试时扩展（Test-Time Scaling）极大提升了大语言模型的性能，涌现出了如 OpenAI o 系列模型和 DeepSeek R1 等众多爆款。那么，什么是视觉领域的 test-time scaling？又该如何定义？
1.93bit量化之后的 DeepSeek-R1（0528），编程能力依然能超过Claude 4 Sonnet？
传统的视频编辑工作流，正在被AI彻底重塑。
王劲，香港大学计算机系二年级博士生，导师为罗平老师。研究兴趣包括多模态大模型训练与评测、伪造检测等，有多项工作发表于 ICML、CVPR、ICCV、ECCV 等国际学术会议。
视觉语言模型（VLM）正经历从「感知」到「认知」的关键跃迁。 当OpenAI的o3系列通过「图像思维」（Thinking with Images）让模型学会缩放、标记视觉区域时，我们看到了多模态交互的全新可能。
大模型≠随机鹦鹉！Nature子刊最新研究证明： 大模型内部存在着类似人类对现实世界概念的理解。