实际问题，长期目标是用一个万能的通用方式去解决。比如语言类，什么翻译，问答，分类，生成，一个模型给他搞定。

不仅语言模型要搞万用模型，视觉语音模型也要做一个究极巨无霸，直接把什么分类检测分割生成给他四合一了。

先掀起视觉风暴，革命图像任务，然后统一语言模型的范式，再融入多模态，语言图片和声音直接融合。”

孟繁岐侃侃而谈，把这时间段还在思索骨干神经网络怎么设计会更好一些