微软昨天发了一篇论文，讲多模态模型下可以用可视化内容和音频来与 AI 沟通，标题就是《Language Is Not All Y

微软昨天发了一篇论文，讲多模态模型下可以用可视化内容和音频来与 AI 沟通，标题就是《Language Is Not All You Need》。看论文截图能很快理解是怎么回事。 这也验证了很多朋友的看法：ChatGPT 只是开始，只要有这种底层能力，交互上的难度并不是最大门槛，会很快得到迭代。每次交互和数据库的小调整，都会带来巨大的体验差。