整理一些关于新的 DeepMind 论文 "视频模型是零-shot 学习者和推理者" 的笔记 - 论文非常有说服力地表明，生成视频模型在视觉问题上的作用就像 LLM 在 NLP 问题上的作用一样：单一模型可以解决广泛的挑战。

@JustinAngel 在这两种情况下，你都可以提出一些边缘案例来揭示它们的局限性——随着大型语言模型的改进，这些局限性可能会被克服，看看视频模型是否也会发生这种情况将会很有趣。