（来源：上观新闻）
人天然🥏不喜欢这么🎱🌰慢的事💗。骗你的🙎♂️，想刷🚪🍩还没得刷呢🧼🇸🇦。即便如此，初🚲🧸代 Ligh🦊t Phone🙀 也众筹到了👃🇧🇫 41🍩 万美元，🇦🇸比原定目标多出🇲🇾一倍⛹️♀️☯。故事要追溯到🇲🇱 M2.1 👦时期🆙🔂。
具体架构要素： 🇱🇦编码器 🤡🐜E_θ：ViT🍲🌚-L/H/g（3💴00M–1🏌️♀️B 参数），📊⛈把视频切成 😈2×16×16 🗻🚊的 t🥑🖤ubele👨💼t 预测🍬🇪🇦器 P_🚋◾φ：一😰个轻量🏩↪ ViT-S（约🏈🇧🇬 22🇩🇲M）预测被 m🤷♀️ask 部分⛺⛓的潜空间表征🇦🇶 使用 3🏏D-RoP🏄E 位置编码（时💷⚰间+H+W🇬🇹🦷） 约 90%❎ 的高 ma📄🕚sk 比率，L🍋1 损失，🆕🏑EMA t♑🛳eache🥣🛁r 防止表⏸征坍塌 训🏆⛹️♀️练数据 Vid🈶eoMix2🔂🇲🇶2M = 220❕0 万视频 ≈ 🎭100 🇨🇭万小时互联网视频🧶 在 So🇹🇱mething-🇹🇹Some🇫🇲♍thi🌡💸ng v2👗🇻🇦 取得 7🦇7.3%🐈🕥 top-💆🌜1（运动↘🧠理解），🍨Epic-Ki🛥tchens-📶♉100 动🤹♀️⚱作预测 39🇩🇿🇷🇪.7 R@5（🥖SOTA） 🍮🈹为什么像素🕔🦐重建不适🍾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🕥👅）🏆。
点击图片跳转视🌆🥋频❔。Dee👩🎨pSe😼🖼ek的💂♀️横空出世，让🕚😈投资独角🏚🍦兽项目的难度，第🈯💷一次如此直🧛♂️👨👨👧👧观的摆到台面上🥶。以下为⏭访谈节选🧞♂️⭕： 硬氪：为什么⛲🏀一定要做实😪体玩偶？ 杨冰8️⃣：不同的IP代表🧦孩子在不同关系里📜👕——与自己、与🤽♂️社会，与自然，与🈳👨🦱未来，与世界🇨🇽📏。
