总之，这篇《Next Token Prediction Towards Multimodal Intelligence: A Comprehensive Survey》为我们展示了2025年多模态智能研究的广阔前景和发展方向。随着技术的不断进步，MMNTP模型不仅将在理论上获得提升，更将在实际应用中展现其巨大的潜力。希望未来的研究能不断突破现有的限制，为多模态智能的全面发展提供支持。

Chinese scientists have developed a new artificial intelligence method to forecast the rapid intensification of a tropical ...

我大概能get你问问题的点。 最近几天我也在思考这个问题。昨天我基本想通了。 首先强化学习常需要“行为克隆”(BC)来初始化。假设你知道每个st对应的最优动作at，那么就直接用监督学习拟合就行了。这称为行为克隆。 但很遗憾，我们不一定知道最优动作是啥，也没法获取所有的(st,at)对。但人类的文本，可以看做是最优动作的近似。举个例子，“我爱北京天安门”，“我爱北京天安”是st，那么下一个近似最优的 ...