🔗 未来增强承诺: 摩根大通承诺以轻量级方式将视觉融入DocLLM，进一步提升其多模态文档理解能力。
2. OpenAI将于上半年发布GPT-4.5。它将更好、更快、更便宜，但仍将基于GPT-4。
从合作大主播到亲自做店播，再到现如今的矩阵账号、KOC分销，一个比较明显的趋势是，品牌挖掘流量的颗粒度正变得越来越细。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。
语音自动生成字幕: 工具具备自动生成字幕的功能，用户可以在软件中对生成的字幕进行灵活编辑，确保最佳的翻译效果。