Gemini负责人爆料！多模态统一token表示，视觉至关重要

2025-07-03 15:27:24

AI创想团

发布在

快讯

阅读：1113

2025年7月3日，Gemini模型负责人Ani Baddepudi在谷歌开发者频道揭秘多模态技术。Gemini从设计之初便定位为原生多模态，旨在实现通用人工智能（AGI），尤其强调视觉能力的重要性，因其在医学、金融等领域的广泛应用。通过将文本、图像、视频等统一为token表示，Gemini 2.5在视频理解方面取得显著突破，支持长达6小时的视频处理，并展现强大的泛化能力。团队正努力提升高帧率视频的理解性能，以满足更精细的时间分析需求。此外，Gemini提出“万物皆视觉”理念，目标是让模型感知物理世界并提供专家级辅助。未来方向包括增强交互性及以视觉形式传递信息，使AI更自然友好。

原文链接

本文链接：https://kx.umi6.com/article/21143.html

转载请注明文章出处

Gemini