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
7388 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？
值得买科技发布了自己的 MCP Server “海纳”，在 AI Agent 时代打造消费领域的基础设施。值得买在数据提供与适配方面有着丰富经验，在电商消费行业有着深刻积累，正是因为有了在垂直领域深耕的行业 know how，所以才有能力向行业提供高质量的、场景相关的数据内容。
今年苹果在 AI 上宣布的诸多所谓新功能，例如实时翻译、快捷指令等，并无太多革命性；至于视觉智能 (visual intelligence)，不仅功能落后 Google Lens 六七年，交互体验上也远未达到一众 Android 友商的内置 AI/Agent 产品在 2025 上半年水平。
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？
虎嗅从多个独立信源获悉，半年前，某DeepSeek核心高管已悄然离职创业，并将于2025年圣诞节前后发布Agent产品。有信源告诉虎嗅，该高管系原DeepSeek CTO。
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。
今年的苹果，到底有没有新活？
上周日，奇绩创坛在北京中关村国际创新中心举办了其 2025 年春季创业营路演日，共有 57 家公司参与了路演。
近日， Mastra AI 创始人 Sam Bhagwat 在 X 上发布了一条推文，称其中提到大约 60~70% 的 YC X25 Agent 公司正在使用 TypeScript 构建他们的 AI Agent。
你有没有想过，那些电视台、制作公司里堆积如山的视频素材，可能马上就要被彻底重新定义了？想象一下，从数千小时的视频内容中找到你需要的那一个镜头，不再需要安排一群人没日没夜地看片子、做标记，而是只需要简单描述一句"奥巴马谈论人权的片段"，系统就能立刻定位到精确的时间点，并提供详细的场景描述、人物信息和镜头分析。