“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。
以椰树为代表，品牌们正变得越来越会玩，也开始获得不输达人的流量。
作为这个项目的创建者，我的评估可能有点偏颇。虽然它并不完美并且总有改进的空间，但我坚信 ScriptGPT 可以成为开发人员工具包的宝贵补充。尝试一下，看看它如何提高生产力!Github 存储库:ScriptGPT
CogAgent还提供了可视化代理的能力，能够返回任何给定任务的计划、下一步行动和带有坐标的具体操作。它还增强了与图形用户界面相关的问题解答功能，可以处理与网页、PC应用程序、移动应用程序等任何图形用户界面截图相关的问题。另外，通过改进预培训和微调，CogAgent还增强了OCR相关任务的能力。这些功能的提升使得CogAgent在多个基准测试上实现了最先进的通用性能。
12. 使用 Chat GPT 创建交互式常见问题解答:开发动态常见问题解答部分来响应用户特定的查询，增强用户体验并减少支持需求。