Visual Reasoning：動画モデルはゼロショットの学習者かつ推論者

キーメッセージ

動画モデルは、LLMが辿った進化の道を歩み始めている

LLMの歴史

• GPT-2→GPT-3→emergent ability（算数・推論・コード）
• スケールアップに伴う質的飛躍

Videoモデル

• 同じく「規模×汎化×推論」傾向が立ち上がりつつある（Veo 2→3）
• ゼロショットでの汎用性が動画にも出現

本日の流れ 能力紹介→仕組み→未来→課題→まとめ