已验证65% 置信事实时间未知

Google在Gemini技术报告中披露，其模型在预训练阶段就同时接触了多模态数据，而非先训练语言模型再进行多模态微调

3

来源数

65%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Gemini Omni视频生成：文本图片视频混合输入一键合成

twitterGeminiApp

涉及实体

Googlecompany Geminiproduct

相关事实

待验证此前Inception、Google Gemini及扩散版Gemma都尝试从零训练文本扩散模型，NVIDIA的建模方式与前人截然不同73% 相似待验证AMIE的底层架构依托谷歌的Gemini系列模型，通过在医学文献、临床指南和模拟问诊数据上进行专项训练与微调73% 相似待验证Gemini从预训练阶段就将文本、图像、音频、视频数据混合输入，实现原生多模态训练73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/4711

API

curl https://kongchang.com/api/v1/knowledge/claims/4711

MCP

get_claim(id=4711)