CSS站长资源(ChinaZ.com) 5月20日 消息:Google DeepMind 发布了一份长达150页的谷歌构改技术报告，详细介绍了 Gemini1.5Pro 和 Gemini1.5Flash 两个模型的发布性能特点和架构以及这个多模态大型模型的最新进展。

Gemini1.5于今年2月上线，技术介绍进情通过工程优化、报告MoE架构等策略显著提升了性能和速度。详细型架该模型具有更长的谷歌构改上下文理解能力、更强的发布推理能力，能够处理跨模态内容。技术介绍进情

报告中提到了两个新型号:

• Gemini1.5Pro:在多个功能和基准测试中超越了2月份的报告版本。

• Gemini1.5Flash:轻量级变体，详细型架旨在提高效率，谷歌构改性能损失极小。发布

Gemini1.5Flash是技术介绍进情一个Transformer解码器模型，拥有超过2M的报告上下文和多模态功能，优化了张量处理单元（TPU）的详细型架使用，并减少了模型服务延迟。它能够并行计算注意力和前馈分量，使用高阶预处理方法提高训练质量。

报告还评估了Gemini1.5在处理英语、中文、日语和法语查询时，每个输出字符的平均时间。结果显示，Gemini1.5Flash在所有测试语言中实现了最快的生成速度。

此外，Gemini1.5在跨模态长上下文检索任务上实现了近乎完美的召回，提高了长文档问答、长视频问答和长上下文自动语音识别的最佳水平，并在一系列广泛的基准测试中匹配或超越了Gemini1.0Ultra的性能。

Gemini1.5Pro在5月份的版本在多个推理、编码、视觉和视频基准测试中进行了改进，而音频和翻译性能保持不变。

报告还介绍了Gemini1.5Pro数学增强版本的性能，它在Hendryck的MATH基准测试中取得了91.1%的突破性性能，解决了此前模型无法解决的亚太数学奥林匹克题目。

最后，报告强调了Gemini1.5在现实世界的应用潜力，展示了它与专业人士合作完成任务的能力，在10个不同的工作类别中可节省26-75%的时间。此外，该模型还能学会将英语翻译成Kalamang，一种只有不到200人使用的语言，与人类学习者的水平相当。

Gemini1.5的技术报告展示了谷歌在大型多模态模型领域的最新进展，其性能的提升和应用潜力为未来的AI技术发展提供了新的方向。

详细报告:https://storage.googleapis.com/deepmind-media/gemini/gemini_v1_5_report.pdf

(责任编辑：资讯)