“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。
开源LLM和服务的激增——其中一些是为了不设置安全护栏来防止恶意使用而建立的——意味着这个领域仍然是一个未知数。
对标记的依赖性:尽管DeWave方法在文中声称可以在没有标记（如眼动追踪）的情况下实现脑电波到文本的翻译，但它仍然依赖于基于标记的对齐过程。
2. 🤳 该方法使用有限的高质量个体图像集，以保持图像对个体身份的高保真性。
2. ⚙️ **决策树简化调试流程:** HawkEye引入分支决策系统，通过实施决策树，加速识别和解决模型异常问题，取代了繁琐的手动分析流程。