谷歌发布了一堆AI能力和升级
Google Next 2024上周放出了不少狠货，这次 Open AI 没能够压下去热度。
首先是 Gemini Pro 1.5 进行了一大波升级，并且所有人都可以使用了。详细更新内容有：
- Gemini现在可以理解音频内容：Gemini 不仅能理解多达9.5小时的音频内容，还能感知你话语中的语调和情感。甚至可以听到背景音。
- 能处理无限量的文件:现在几乎可以上传无限数量的文件（包括图片、视频帧和音频）让Gemini处理。
- 函数调用和系统指令的进一步改进：可以选择模式来限制模型的输出，提高可靠性。选择文本、函数调用或仅函数本身。
- 推出了JSON模式：指示模型仅输出 JSON 对象。此模式可从文本或图像中提取结构化数据。
- 具有改进性能的新嵌入模型：新模型 text-embedding-004在 MTEB 基准测试中实现了更强的检索性能，并超越了具有相似维度的现有模型。
详细的更新公告在这里：https://developers.googleblog.com/2024/04/gemini-15-pro-in-public-preview-with-new-features.html
Google的 Imagen 2 图像生成模型现在已经可以通过文本生成4秒的视频。
介绍，没找到在哪用：https://cloud.google.com/blog/products/ai-machine-learning/google-cloud-gemini-image-2-and-mlops-updates
还开源了一个基于 Gemma 的系列模型 CodeGemma。CodeGemma 7B模型在数学推理方面的能力出众，代码生成能力很强。经过指令调优的CodeGemma 7B模型，在Python编程方面表现更为强大。
技术报告地址：https://storage.googleapis.com/deepmind-media/gemma/codegemma_report.pdf
原创文章，作者：校长，如若转载，请注明出处：https://www.yundongfang.com/Yun295778.html
微信扫一扫不于多少！ 
支付宝扫一扫礼轻情意重 