（来源：上观新闻）
认知能🇸🇳力的结构性外🚧🧺移 认知🤧🥧科学家🇨🇲🥶Donald 👩🎤🖋A. No☯rman提出过💳🔁一个深🐗邃的概念，叫做认☄📙知制品（Cogn🧼😧itive A🏳️🌈rtifa👩🎨cts👁）🙍♂️。晚点：“N+🇧🇯🥗1” 的前提是🇧🇶高度继👼承已有🥃的行业经验，可是🇬🇸🚌你怎么获得👩👧👧 “N”？ 俞👨👨👧👦⛵浩：靠团队🏳️🌈🇮🇲。一年前的📩📺梁文锋，🤑几乎没有对手🇦🇽。该功能预🇦🇴计将作为P💱ura 90系❗💝列影像🛹🧂系统升级的🦞一部分亮🔽相📱。SaaS之所以🚣♀️3️⃣收费高昂，并非🚠仅仅是软件🇼🇫有多么好用📼💍。
据悉，Ti🚐kTok S😙hop 2025🍝↖年GMV同🇹🇲🇫🇷比增速接💟近70%，不仅🔚大幅提升💶🔵了字节跳动的海🍜😒外收入占🇧🇯⛎比，同时也🕠推动TikT📰ok于2025年🍓实现了💇大幅盈利🧘♀️。Rao 的导师劳🐣伦斯·托💨西曾在贝莱德🍞和 Ai🇱🇾rbnb 与 R♓ao 共事，♨😌他认为 Ra🇧🇹🇨🇾o 能🇦🇸够胜任这一角💈色，因为在🌝他的职业🇺🇿🐸生涯中，🚉他一直秉🐣🔂持"有纪律🧫的增长"理🎠念🃏。半夜起来发现很🎑亮🇧🇮。装配线🎦✂束，是工厂🇨🇿🎪里最考🕠验"眼手协调"的♦🕠工种之一🇹🇴🚃。具体架构要素🇵🇳： 编码器🇲🇴💚 E_θ🇳🇨🆖：ViT-L/H🕊/g（3🍫00M🇳🇴💙–1B 参数🌗），把视👬频切成 2🌾🕴×16🍚🤶×16 的 t🇵🇭ubel⛳et 预测器 P🕉_φ：一个♒🏒轻量 ViT🤦♀️-S（约 2🕧🧸2M）预测被 m💰ask 部分的🇨🇬🤹♂️潜空间表征 🐕❇使用 3D-🧂RoPE 👬位置编码（↘时间+H🏟🦛+W）🔐🍠 约 90%🚎🙍 的高 mask👅🇻🇨 比率，L1 损🛒失，E🏡MA te🕑acher 🐃🇹🇫防止表征坍塌 训🚕练数据🍧🏤 VideoM👯ix2👩👦2M 🍚= 2💚200 🍖万视频 🇬🇼🐿≈ 100 万🛢小时互联网视频 🐻🤔在 Somet👈hing👞-Some🧗♀️thing v🔠2 取得 77.😎🦁3% top-1🇬🇲（运动理解📅），Ep🤶🇯🇴ic-K🥒itchens-🤨🥮100 动作预🖍🇵🇹测 39.7 😀R@5（🇲🇸🇹🇩SOTA🚫😠） 为什么像💮素重建不⏬适合碰撞预测，⚜🤛而潜空📈👴间预测适合？📢像素重建🇳🇿👧优化的是"🤰下一帧⚓☑长什么样"（视觉🛫保真度）🤸♀️，潜空间🧫预测优化👈的是"下↪♉一帧的👩🎤抽象语义/🔒☄物理状🥖📼态"（物理因果🔖）🤑。
