🖼️ 多模态人工智能的兴起，使历史模拟更加生动，通过图像与文本交互生成历史场景。
单一大型语言模型的局限性变得更加明显，导致转向更小、更专业化的模型。
在他眼里，地震很大程度上是随机过程——我们可以把概率附加到事件上，但无法准确预测。
这一功能的背后是阿里通义实验室自研的视频生成模型Animate Anyone。在Github上，该项目的Star数短短数日就超过1万，被认为是近期大模型领域最受欢迎的大模型算法之一。
LLaVA在视觉聊天和推理问答方面表现出接近GPT-4水平的能力。在视觉聊天方面，LLaVA的表现相对于GPT-4的评分达到了85%，在推理问答方面更是达到了92.53%的超过GPT-4的新SoTA。LLaVA在回答问题时，能够全面而有逻辑地生成回答，并且可以以JSON格式输出。