演讲主题

原生多模态大模型的方法与问题：以Gemini为例

内容简介：多模态大模型是当前国际前沿大模型的竞争主战场，典型例子是OpenAI的GPT-4V和谷歌的Gemini之争。目前有两种主流的多模态大模型做法：拼接式多模态 vs 原生（Native）多模态，公开的多模态大模型大多采取拼接技术路线，主要原因在于相对原生多模态模型，拼接式多模态大模型制作成本较低。Gemini是典型的原生多模态大模型，本次分享将深入解析Gemini的可能制作方法，通过对谷歌发布的Gemini技术报告深入分析，并结合主流的多模态大模型技术，介绍原生多模态大模型的方法要点，以及面临的急需解决的技术问题。