🖼️ 利用编码器和模型进行音乐和图像理解，用户可编辑音乐、调整乐器和速度。
谷歌即将发布与Bard合作的增强助理，最新应用程序更新展示新设计，包括弹出窗口和标签切换器，同时对股票和金融小部件进行调整。
“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。
BakLLaVA是使用LLaVA1.5架构增强的Mistral7B基础模型，具备更好的性能和商用能力。BakLLaVA在多个基准测试中优于LLaVA213B，并且可以在某些数据上进行微调和推理。虽然BakLLaVA在训练过程中使用了LLaVA的语料库，不允许商用，但BakLLaVA2则采用了更大的数据集和更新的架构，超越了当前的LLaVA方法，具备商用能力。
斑头雁智能科技的目标是通过提供一站式的 AI 开发平台和封装好的 Agent，帮助企业以低成本快速应用 AI 技术。该公司还拥有自研的超级自动化工具集和低代码平台，可以为 Agent 提供更多的功能，并降低开发成本。