RingAttention
100万token,一次能分析1小时YouTube视频,「大世界模型」火了
这项研究为语言模型更好地理解物理世界铺平了道路。最近几天,我们接连被谷歌的多模态模型 Gemini 1.5 以及 OpenAI 的视频生成模型 Sora 所震撼到,前者可以处理的上下文窗口达百万级别,而后者生成的视频能够理解运动中的物理世界,被很多人称为「世界模型」。然而,这些刷屏无数的模型真的能很好的理解世界吗?我们就拿 Sora 来说,该模型在给大家带来惊叹的同时,却不能很好的模拟复杂场景的物理原理,如一位健身的男子倒着跑跑步机。不仅 Sora,现如今大模型虽然发展迅速,然而其自身也存在缺点,比如在现实世界中不
2/19/2024 3:07:00 PM
机器之心
- 1
资讯热榜
标签云
人工智能
AIGC
OpenAI
AI绘画
ChatGPT
数据
机器人
DeepSeek
谷歌
AI
Midjourney
智能
大模型
学习
GPT
用户
微软
AI创作
开源
图像
Meta
技术
论文
Stable Diffusion
算法
马斯克
模型
生成式
蛋白质
芯片
Gemini
计算
代码
神经网络
研究
腾讯
AI设计
Sora
3D
GPU
英伟达
开发者
场景
机器学习
伟达
预测
华为
模态
Transformer
AI for Science
文本
驾驶
深度学习
AI视频
百度
神器推荐
苹果
搜索
LLaMA
算力
视频生成
干货合集
Anthropic
Copilot
科技
2024
应用
安全
特斯拉
具身智能
AI应用场景
xAI
写作
机器
字节跳动
人形机器人
AGI
DeepMind
视觉
架构