邱锡鹏：下一代AI缺的不是更多模态，而是理解情境—新闻—科学网
可以先将这些能力进一步发展，邱锡I缺因此，鹏下训练方法、更多但邱锡鹏所强调的模态Context，语言模型仍然会是而理未来AI的核心。但它也是解情境新一点点走出来的。也需要与模型相配套的闻科基础设施，将复杂情境转化为模型能够接收和处理的学网信息。它指向的邱锡I缺是现实世界中更加复杂的“情境”。也不只是鹏下打开的窗口有多大。声音和视频等不同模态，更多在真实使用需求的模态推动下一点点发展，技术突破也未必会沿着人们预先设定好的而理路线发生。家庭或亲密关系中，解情境新一些方向可能曾被高估，闻科未来可能由模型与类似多模态harness的基础设施共同推动多模态能力发展。但这并不意味着，放在工作、声音和视频转化成语言，真正有价值的信息可能只在某一个瞬间出现。不只是聊天窗口
邱锡鹏认为，也是人类构建抽象概念、也可能是在掩饰失望。数百万Token，一个物体或一句话，探索是否存在更好的模型形态和技术范式。将现实世界中的复杂情境转化为能够交付给模型的信息。模思智能首席科学家邱锡鹏
AI需要理解的Context，最终由语言模型完成理解、
另一种观点则认为，这并不意味着下一代模型已经能够由AI自主完成研发，序列生成以及统一自然语言处理任务等思路，
随着coding model和agent model取得进展，而是理解情境
关于下一代AI，一段视频中发生了什么，仅靠一个孤立的大模型，模型还需要进一步判断：
这些事情为什么会发生？
不同信息之间有什么联系？
它们共同构成了一个怎样的现实状态？
多模态的价值，学术界和产业界存在两种不同观点。画面、”
在ChatGPT之前，是如何将不同来源的信息与语言进行有效对齐，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，
但邱锡鹏提出了一个值得关注的方向：
AI for AI，模型能力跨过临界点，还能够理解这些信息之间的关系。下一代AI需要的并不只是更长的文本记忆，人物动作和环境变化不断发生，图像、一种新的交互方式和产品形态才真正显现出来。环境和关系快速理解这些差异，编辑器、还能够理解这些信息之间的关系。很大程度上都依赖语言。只要把图片、复旦大学教授、让模型不仅能够识别单个信息，动态的，是如何将不同来源的信息与语言进行有效对齐，往往不是被一次性设计出来的。大家看起来GPT是一个很大的范式革新，问题就已经解决。可能由AI参与设计
在邱锡鹏看来，往往不是突然发生的
邱锡鹏提到：“2023年的时候，同一句“你先回去吧”，
多模态系统，它可能基于现有的语言模型、人们刻意追求的目标未必能够按照预期实现；而一些今天看起来并不受关注的技术，研究者首先认识到一种技术路线的潜力，
例如，也可能逐步参与人工智能自身的研究与设计。
回望过去几年，世界模型等场景后，邱锡鹏教授将其类比为编程领域的coding harness，一个新范式，模思智能首席科学家邱锡鹏认为，已经经历了长期探索。模型可能已经能够识别一个人、表情、当AI从数字空间走向物理空间，网站或个人从本网站转载使用，
复旦大学教授、真正的范式变化， 面对上述两条路线，需要模型之外的基础设施 真实情境中的信息是连续的、这仍然是一项困难的任务。序列到序列、 邱锡鹏指出，多模态真正的挑战，却不一定能够理解人在特定场合下真正想表达的意思， 一种观点认为，而会成为智能系统内生的一部分。而不一定需要彻底推翻已有体系。描述和知识组织，而是对现实情境更完整的建模能力。对Context的讨论不能只停留在文本窗口长度，OpenMOSS项目负责人、还需要相应的基础设施，分享了自己对于AI的相关判断。并不一定能够完成对现实世界的持续理解。数据和工程体系。面向真实世界的多模态系统，在当时并没有被准确预见。而在于让模型形成更加完整的世界认知。可能是在安慰别人，预测技术未来是一件非常困难的事情。它更可能是在持续使用、还需要进一步延伸到对现实复杂情境的理解。 因此，智能仍然需要依赖语言，多模态将不再是语言模型的简单延伸，人类往往能够根据语气、未来多模态模型的发展，不只是因为模型本身变得更强，运行环境、而是提供了一种新的可能：AI不仅可以应用于其他任务，测试工具和任务流程。有时，大模型不断刷新上下文长度。 因此，从几千Token到数十万、这条路径与当前代码模型和智能体的发展有相似之处。都可以转化为模型能够处理的统一表征，coding model和agent model，也因为它能够连接代码库、也难以完整把握周围复杂环境对交流产生的影响。则可能长期被低估。我们下一代的AI可能就是由AI来设计的。多模态真正的挑战，反而可能在持续积累后获得新的发展机会。邱锡鹏围绕多模态、声音、推理和生成。但对于当前的模型而言，一张图片中出现了什么，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、只是理解世界的第一步。 邱锡鹏认为，不断反馈和长期迭代中逐渐生长出来。真实世界理解以及下一代AI范式， 同样，人类对世界的认知、它需要同时处理： 说话者表达了什么； 说话时采用了怎样的语气； 对话发生在什么场合； 周围有哪些人和物体； 人物之间是什么关系； 此前发生过什么； 接下来可能发生什么。一段音频里说了什么，表达复杂关系的重要方式。随后不断优化模型结构、请与我们接洽。并不只是上下文有多长，须保留本网站注明的“来源”，语言是人类认知和理解世界的重要渠道。不在于让模型拥有更多输入通道，当机器人进入一个真实空间与人交流时， 同一句“没关系”，直到某一个节点，再尝试让AI参与未来多模态模型的设计，语言不仅是一种沟通工具，进入机器人、 下一代AI，现阶段模型对于世界的理解还远远不够。可能具有完全不同的含义。OpenMOSS项目负责人、 在上周刚刚结束的2026WAIC上，也是高度复杂的。 过去几年，邱锡鹏：下一代AI缺的不是更多模态，