影像方面，后置1200万超广角+5000万广角+1000万长焦镜头，前置1200万像素镜头。
“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。
1. ChatGPT-4在儿科医疗病例诊断方面准确率仅为17%，比其在一般医疗病例中的39%更差。
站长之家（ChinaZ.com）1月4日 消息:CoMoSVC是一种能够将一个人的歌声转换成另一个人的歌声的创新技术。这个项目是由香港大学和微软亚洲研究员共同开发的，它在高质量音频转换和快速处理速度之间找到了平衡，是语音转换领域的重大进步。
8. 使用 Chat GPT 起草商务电子邮件