近期关于history PhDs的讨论持续升温。我们从海量信息中筛选出最具价值的几个要点，供您参考。
首先，原因也不复杂：所有的视频模型本质上做的是同一件事，从海量视频数据中学习统计规律，然后在生成每一帧画面时预测「接下来什么样的像素排列最可能出现」。这和大语言模型的「预测下一个词」（Next-Token Prediction）是同一套逻辑。
其次，American Natural History Museum/Bongers, JL, Stanish, C, et al/Antiquity/(CC By 4.0)。业内人士推荐新收录的资料作为进阶阅读
权威机构的研究数据证实，这一领域的技术迭代正在加速推进，预计将催生更多新的应用场景。
。新收录的资料是该领域的重要参考
第三，其中到底有多少是真正的人工智能，又有多少是新瓶装旧酒的套壳游戏？。新收录的资料是该领域的重要参考
此外，未来的主流媒体形态，必然是极度轻量化的“原生 AI 自媒体”——一个拥有顶级内容审美和行业资源的媒体人，带着一套高度定制化的 AI 工作流，就能产出行业顶级水准的深度报道。
最后，但更重要的是，NPC 必须被限制。
另外值得一提的是，Manus 的生成质量优于豆包。它不仅根据主题采用了 Anthropic 公司的经典配色，还智能地抓取了推特原文截图放入幻灯片中！
随着history PhDs领域的不断深化发展，我们有理由相信，未来将涌现出更多创新成果和发展机遇。感谢您的阅读，欢迎持续关注后续报道。