谷歌发言人承认：Gemini AI演示视频内容和语音提示均非实时录制
IT之家 12 月 9 日消息，据彭博社、Toms Hartware 等外媒当地时间周五报道，谷歌发言人在采访中承认，前段时间谷歌发布的大语言模型 Gemini 演示视频并非实时录制。
乍看之下演示视频内容和语音提示均非实时录制，这个一镜到底的视频中，Gemini 模型可发现藏在指定塑料杯内的纸团，或者看出一张“连点成线”的图片画的是螃蟹。但是，谷歌发言人告诉彭博社，这段演示视频是利用镜头中的静止图像帧和文字提示“拼凑”而成的，Gemini 只能对输入的提示和静态图像做出反应。同样，视频中用户与 Gemini 的语音互动也由后期配音完成。
至于视频中的人物说话、绘画、展示物品乃至魔术，似乎也只是为了演示视频而特意安排的。在谷歌官方 YouTube 频道中，谷歌也添加了描述称“为了演示的目的，延迟已经减少，Gemini 的输出也缩短了，以求简洁”。这意味着 Gemini 每次响应所需的时间实际上要长于视频的演示。
此外，谷歌 DeepMind 研究副总裁兼深度学习负责人 Oriol Vinyals 也对这段视频做进一步解释：这段视频展示的是使用 Gemini 构建的多模态用户体验“可能的样子”，是为了激发开发人员的灵感谷歌发言人承认：Gemini AI。其称，视频中的所有用户提示和输出都是真实的，为简洁起见进行了缩短。而且，视频中展示的模型为 Gemini Ultra。
据IT之家此前报道，谷歌曾声称 Gemini Ultra 的性能在 32 个广泛使用的学术基准测试中有 30 个都表现出了超越当前时代的“先进结果”，而这些基准测试也是当前 LLM 领域最常用、最泛用的测试。
其中，它以 90.0% 的得分成为第一个在 MMLU（大规模多任务语言理解）上超越人类专家的模型（该测试结合了数学、物理、历史、法律、医学和伦理等 57 个学科）。
Gemini Ultra 还在新的 MMMU 基准测试上表现出了 59.4% 的领先级性能，该测试涵盖了“需要深思熟虑的”不同领域的多模态任务。
明年初，谷歌还将推出全新升级的 Bard Advanced，让用户可以更好地体验到其最好的模型和功能，也就是 Gemini Ultra。
