谷歌Gemini背后技术的杀手锏，便是原生多模态（natively multimodal）。
因为以往创建多模态大模型的方法，通常是为不同的模态训练单独的组件，然后将它们拼接在一起，大致模拟其中的一些功能。
这样训练出来的模型虽然有时可以很好地执行某些任务（比如描述图像），但在面对更具概念性和复杂推理的情况下，就会出现表现不佳的结果。
而谷歌Gemini所强调的原生多模态，是指从一开始就对不同的模态进行预训练，然后用额外的多模态数据对其进行微调，以此来进一步完善大模型的有效性。
具体来说，此次谷歌一共带来了Gemini的三个版本：
Gemini Ultra：谷歌最大、最强模型，适用于高度复杂的任务
Gemini Pro：可扩展至各种任务的Gemini模型
Gemini Nano：适用于端侧设备的高效Gemini版本（1.8B/3.25B）
其中Gemini Ultra一上来就在32个基淮测试中拿下30个SOTA，并且第一个在MMLU基淮上达到人类专家水平。
而Gemini Pro从今天起，就会在Bard中实装上线。
Gemini 官网： 官方链接
谷歌Bard： 官方链接
评论 (0)