Google的Gemini Report，60多页，要卷的人看一下。Gemini: A Family of Highly Capable Multimodal Models。http://t.cn/A6lN39Wd

这篇论文介绍了一种名为Gemini的新型多模态模型家族，该家族在图像、音频、视频和文本理解方面表现出卓越的能力。Gemini家族包括Ultra、Pro和Nano三种尺寸，适用于从复杂推理任务到设备内存受限用例的应用程序。在广泛的一组基准测试中，我们最强大的Gemini Ultra模型在32个基准测试中的30个上推进了最先进水平——值得注意的是，首次在广受研究的考试基准MMLU上实现了人类专家性能，并在我们检查的20个多模态基准测试中改善了最先进水平。我们认为，Gemini模型在跨模态推理和语言理解方面的新能力将使各种用例成为可能，我们讨论了将它们负责任地部署到用户的方法。--by chatglm