“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。
DeWave使用了事件标记来将脑电波分割成单词级别的特征，这可能导致在没有标记的情况下无法准确地对脑电波进行分割和翻译。
大脑活动产生电流，当神经细胞（神经元）被激活时，它们会产生电信号。EEG 检测的是大量神经元同步活动所产生的电位变化。主要用于科学研究、脑部检测、脑部疾病治疗等。
据新抖数据统计，目前格力在抖音已经形成以“格力明珠精选”为主账号，以70个认证账号为矩阵的直播格局。其中，“明珠格力精选”近90天累计带货2500万-5000万元。
3、LLaVA在视觉聊天和推理问答方面表现出接近GPT-4水平的能力。