“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。
大型多模态模型（LMMs）将不断涌现，并在争论中取代LLMs。
在该项由纽约科恩儿童医学中心进行的研究中，ChatGPT-4被用于分析自2013年至2023年间JAMA Pediatrics和NEJM发表的100个儿科病例。
该研究表明使用大型语言模型可以显著提高文本嵌入的质量。该研究的训练过程极大地减少了对中间预训练的需求，相较于当前的多阶段系统，更加简洁高效。
Paint3D 的出现标志着自动化纹理贴图生成领域的重大进展。通过精确控制纹理贴图中的内容和风格，Paint3D 可以生成高质量、多样化的纹理贴图，从而显著推进3D对象纹理化的最先进技术。更为重要的是，Paint3D 生成的纹理贴图是没有内嵌光照阴影效果的，使得生成的纹理能够被重新照明或重新编辑，直接应用于现有的渲染管线，在艺术创作、数字媒体制作和游戏内容创作等领域发挥重要作用。