（来源：上观新闻）
具体架构要素： 🏝编码器 7️⃣E_θ：ViT🎿-L/H/g（📯🇭🇰300M–1B🐾 参数）⚽🎥，把视频🆗切成 2×16×😅16 的 t🦇ubelet 预🚯测器 Ⓜ🐤P_φ🐴⏪：一个轻量 Vi⛓T-S（约🐭🕰 22M）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%8️⃣📝 的高 ma🎊sk 比⏪💖率，L1 损失🇿🇦，EM🤘📞A teache🍑r 防止表✈👝征坍塌 训练数据🇱🇰🇰🇿 VideoM🦅ix22🤑M = 22🥴🦚00 万视频🧀🇱🇹 ≈ 100 万🇱🇻小时互联网视频✏ 在 🇼🇫🎴Some🇦🇲👯♂️thing-S🔈🙇omethi🏣🥝ng v2 取🎞🔧得 77.3% 🈲top-1🤤🍙（运动理解🐬），Ep🍿🐾ic-😘🦖Kitchens💴-100 动作预🇫🇯👷♀️测 39.⤴👆7 R@5（🙀🚹SOTA🐪🌥） 为什6️⃣么像素重建不🇹🇦国产免费一级视频适合碰撞预测♣，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）💌⛺。
Ligh♦t Pho📋🚂ne 最⬛早在这条赛道上摸🥀爬滚打的，应🇶🇦该就是 Lig✅ht Pho🎣🐡ne 了👨👩👧。公司成员基本🔭🙎都出生✉于1996年📝👿左右，他本人是“👊👩🦱90后”，☝已经是团队里“最👩🔧🦹♀️老”的🕛📥了🚬🧢。” 张星智也坦率🤦♂️地讲了🇲🇵自己的难⛸处👞🇸🇯。这句话听起来简❇单，但含义极其深❕🔟远📐🐖。或者塞进裤兜🇹🇱里🚦◼。非但不想让手机🥂💓功能太过🙎♂️强大，反倒希⬇😳望你的手机啥🍵🌺也干不了👨🏫🇹🇭。
