Andrej Karpathy提出了一个很激进的想法：所有LLM的输入都应该是图像，包括纯文本。什么意思？传统的大语言模型：文本 → tokenizer → LLM → 输出 Andrej的vision：文本 → 渲染成图片 → LLM → 输出即使你要输入的就是纯文本，也先把它渲染成图片，再喂给模型。为什么这么做？他给了4个理由： 1. 信息压

#LLM #图像输入 #tokenizer #Andrej Karpathy #多模态

相关新闻

Cell 细胞

12分钟前

LLM 用多了会出现一种症状：可以一本正经、滔滔不绝地输出一通看似逻辑自洽，实则毫无营养的字符串🤪

宝玉

3小时前

AI 大神Andrej Karpathy 对 DeepSeek 那篇 DeepSeek-OCR 的论文评价很高，你可能以为他会说：“哇，这个OCR模型真厉害，识别率又提升了！” 但他没有。相反，他几乎是挥了挥手说：“它是个不错的OCR模型，但这不重要。” 真正让他兴奋的，是这篇论文引出的一个更具颠覆性的想法：我们是不是从一开始就喂错“语料”给AI了？ Karpathy的核心观点是：也许，

howie.serious

15小时前

跑在 chatgpt atlas 里的那个 agent，谁有什么真实可用的、有价值的 use case 吗？ browser agent 这个类别，和 claude code 类文件系统 agent 比起来，实用性还是差很多啊。目前 browser agent 的实用价值，主要被 llm 操作计算机的能力被限制住了。期待模型能力能持续发展，就像视频生成模型这一年里的突飞猛进那样（具体的例子

dontbesilent

16小时前

考虑到 Andrej Karpathy 在国内的知名度，这个课估计连 300 都卖不掉国内的真实情况是，一人 29800 的线下 AI 培训，仅仅是教学豆包用户如何在 claude 镜像站上，做出人生中的第一个智能体而这个课程之所以能收费 29800，就是因为顾客都是傻子，他们看啥课程都看不懂（Andrej Karpathy 就更别提了） 29800 这个傻子培训班，是市面上为数不多的能

铁锤人

18小时前

你不好奇改变世界ChatGPT的神秘原理吗？ Andrej Karpathy- 特斯拉 AI 负责人&顶级 AI 网红推出 ChatGPT 的通俗易懂的免费短课程，这个课要在国内不得卖 3w 一个人😂？