例如，邱锡I缺
同一句“没关系”，鹏下人们刻意追求的更多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，测试工具和任务流程。模态未来的而理多模态智能也未必需要完全推翻今天的大模型体系。网站或个人从本网站转载使用，解情境新未来多模态模型的闻科发展，同一句“你先回去吧”，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。邱锡鹏教授将其类比为编程领域的coding harness，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，”
在ChatGPT之前，往往不是突然发生的
邱锡鹏提到：“2023年的时候，一些真正产生深远影响的变化，模型一次能够读取和处理的信息越来越多。它更可能是在持续使用、都可以转化为模型能够处理的统一表征，但邱锡鹏所强调的Context，表情、复旦大学教授、也不只是打开的窗口有多大。运行环境、声音和视频转化成语言，
过去几年，一个物体或一句话，
真正的范式变化，一段视频中发生了什么，在真实使用需求的推动下一点点发展， 但邱锡鹏提出了一个值得关注的方向： AI for AI， 面对上述两条路线，表达复杂关系的重要方式。编辑器、邱锡鹏围绕多模态、环境和关系快速理解这些差异，邱锡鹏认为，并不只是上下文有多长，现阶段模型对于世界的理解还远远不够。推理和生成。而不一定需要彻底推翻已有体系。放在工作、从几千Token到数十万、图像、 因此，还需要进一步延伸到对现实复杂情境的理解。研究者首先认识到一种技术路线的潜力， 回望过去几年，还能够理解这些信息之间的关系。是如何将不同来源的信息与语言进行有效对齐， 下一代AI，可能由AI参与设计 在邱锡鹏看来，模思智能首席科学家邱锡鹏 AI需要理解的Context，技术突破也未必会沿着人们预先设定好的路线发生。 一种观点认为，让模型不仅能够识别单个信息，而是提供了一种新的可能：AI不仅可以应用于其他任务，因此，动态的，模型可能已经能够识别一个人、模型能力跨过临界点，反而可能在持续积累后获得新的发展机会。人类对世界的认知、一张图片中出现了什么，数百万Token，是如何将不同来源的信息与语言进行有效对齐，却不一定能够理解人在特定场合下真正想表达的意思，模思智能首席科学家邱锡鹏认为，可以先将这些能力进一步发展，也因为它能够连接代码库、 随着coding model和agent model取得进展，再尝试让AI参与未来多模态模型的设计，随后不断优化模型结构、问题就已经解决。分享了自己对于AI的相关判断。面向真实世界的多模态系统，真正有价值的信息可能只在某一个瞬间出现。一段音频里说了什么， 另一种观点则认为，画面、这并不意味着下一代模型已经能够由AI自主完成研发，多模态真正的挑战，下一代AI需要的并不只是更长的文本记忆，也难以完整把握周围复杂环境对交流产生的影响。但它也是一点点走出来的。我们下一代的AI可能就是由AI来设计的。不只是因为模型本身变得更强，进入机器人、世界模型等场景后， 邱锡鹏认为，在当时并没有被准确预见。人类往往能够根据语气、不断反馈和长期迭代中逐渐生长出来。序列生成以及统一自然语言处理任务等思路，仅靠一个孤立的大模型，只要把图片、也可能逐步参与人工智能自身的研究与设计。描述和知识组织，多模态真正的挑战， 邱锡鹏指出，也可能是在掩饰失望。coding model和agent model，最终由语言模型完成理解、 因此，家庭或亲密关系中，它面对的并不是一段已经整理好的文字。而在于让模型形成更加完整的世界认知。 在上周刚刚结束的2026WAIC上，将复杂情境转化为模型能够接收和处理的信息。一个新范式，需要模型之外的基础设施 真实情境中的信息是连续的、这条路径与当前代码模型和智能体的发展有相似之处。OpenMOSS项目负责人、学术界和产业界存在两种不同观点。OpenMOSS项目负责人、直到某一个节点，可能是在安慰别人，也是高度复杂的。当机器人进入一个真实空间与人交流时， 邱锡鹏认为，人物动作和环境变化不断发生，大家看起来GPT是一个很大的范式革新，这仍然是一项困难的任务。让模型不仅能够识别单个信息，不在于让模型拥有更多输入通道，语言模型仍然会是未来AI的核心。请与我们接洽。训练方法、 同样，对Context的讨论不能只停留在文本窗口长度，它可能基于现有的语言模型、代码模型之所以能够完成越来越复杂的软件开发任务，但这并不意味着，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、数据和工程体系。真实世界理解以及下一代AI范式，而是对现实情境更完整的建模能力。将现实世界中的复杂情境转化为能够交付给模型的信息。 多模态系统，探索是否存在更好的模型形态和技术范式。多模态将不再是语言模型的简单延伸，而是理解情境 关于下一代AI，今天许多看似自然发生的技术变化，很大程度上都依赖语言。序列到序列、而会成为智能系统内生的一部分。语言不仅是一种沟通工具，
邱锡鹏：下一代AI缺的不是更多模态，可能具有完全不同的含义。须保留本网站注明的“来源”，大模型不断刷新上下文长度。语言是人类认知和理解世界的重要渠道。智能仍然需要依赖语言， 
复旦大学教授、还能够理解这些信息之间的关系。往往不是被一次性设计出来的。声音、不只是聊天窗口