🎵 M2UGen融合音乐理解和多模态任务，支持文字、图像、视频生成音乐。
论文地址:https://arxiv.org/pdf/2401.00908.pdf
“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。
6️⃣ Sweep AI 🧹
在预告片中，三星向观众宣告:“为移动新时代做好准备”，并以“Galaxy AI即将到来”为口号，引发期待。泄露的信息和官方确认显示，Galaxy S24系列将引入强大的人工智能功能，包括“生成编辑”和“实时翻译”，以及与谷歌合作的AI壁纸和Bard助手等新功能。