待验证50% 置信事实精确时间
Gemini等多模态大模型通过将视觉信息编码为token序列，与文本token一起送入Transformer架构进行联合处理，但Transformer上下文窗口有限，视觉信息经编码压缩后会丢失大量底层像素细节
1
来源数
50%
置信度
长期有效
时效性
2026/9/1
首次发现
来源
涉及实体
相关事实
待验证Gemini的多模态能力基于大规模Transformer架构，能同时处理文本、图像、音频等不同模态输入78% 相似已验证Gemini系列从设计之初就是多模态原生的，将文本、图像、音频、视频等不同模态的数据统一编码到同一个特征空间中73% 相似待验证Gemini架构通过视觉编码器（Vision Encoder）与语言模型的联合推理实现跨模态对齐（Cross-modal Alignment）能力71% 相似已验证Gemini系列从训练阶段就将多种模态联合建模，而非像GPT-4V等方案那样后接视觉编码器69% 相似已验证Gemini采用原生多模态架构，从预训练阶段就以混合多模态数据联合训练Transformer，不同模态的Token在同一序列中混合处理68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/839161API
curl https://kongchang.com/api/v1/knowledge/claims/839161MCP
get_claim(id=839161)