Визуальные и языковые компоненты полностью разделены, что означает, что в будущем взаимодействие человека и машины может превратиться в чисто диалоговое управление интерфейсом, и парадигма взаимодействия изменится кардинально.

Посмотреть Оригинал
CoinNetwork
币界网消息,AI姨在Latent Space播客中指出,当前的视频与图像生成模型并非真正理解物理世界,扩散模型本质上只是一个不具备物理认知能力的像素级渲染器。以英伟达Cosmos模型为例,负责画面渲染的核心扩散模型仅有7b参数,而真正的智能中枢是由大语言模型(LLM)担任的提示词重写器。最终视频的逻辑质量与匹配度,几乎完全取决于语言模型对提示词的重写质量,而非扩散模型本身。这种视觉与语言的解耦预示着人机交互将迎来彻底重构。
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • комментарий
  • Репост
  • Поделиться
комментарий
Добавить комментарий
Добавить комментарий
Нет комментариев
  • Закреплено