近日，OpenAI 宣布其人工智能聊天助手 ChatGPT 与 WhatsApp 的集成得到了进一步扩展，增加了多项新功能，使得用户在 WhatsApp 上的体验更加丰富。现在，用户可以通过 WhatsApp 聊天发送图片，为 ChatGPT 的回答提供视觉上下文。这一功能可以用于多种场景，例如识别植物、翻译标识或根据冰箱中食材的照片推荐菜谱等。此外，WhatsApp 集成还支持语音消息功能，这一设置使得那些更喜欢用说话方式而非打字的用户能够更加便捷地与 ChatGPT 互动。所有这些新功能均可免费使用，适用于 ChatGPT 的免费版、

当前，多模态大型语言模型（MLLM）在视频理解领域取得了显著进展，但处理超长视频仍然是一个挑战。 这是因为，MLLM 通常难以处理超过最大上下文长度的数千个视觉标记，并且会受到标记聚合导致的信息衰减的影响。 同时，大量的视频标记也会带来高昂的计算成本。为了解决这些问题，智源研究院联合上海交通大学、中国人民大学、北京大学和北京邮电大学等多所高校提出了 Video-XL，这是一种专为高效的小时级视频理解而设计的超长视觉语言模型。 Video-XL 的核心在于“视觉上下文潜在