标签
该推文强调了一项研究发现：无需视频训练或物理监督，即可从冻结图像编码器的几何结构中提取物理合理性的信号。
一篇关于现代深度学习的详细个人综述，聚焦于基础模型、视觉语言模型及其架构决策，面向那些希望获得直觉而非密集数学的读者。