只需片刻时间，Gemini就能找到相关论文和非相关的论文。
而后，继续用Prompt告诉Gemini去阅读相关论文，并提取关键数据，甚至是可以要求它添加注释的那种。
如果你给Gemini一个午休的时间长度，它就能阅读200000篇论文，从中筛选出250篇并提取数据！
并且由于Gemini是多模态的，我们还可以让它对上面的数据表格做进一步的深入操作，例如更新图表：
对于学生党来说，Gemini现在也可以成为非常得力的学习助手。 例如“喂”给Gemini一张手写物理题，它不仅能看懂，而且还可以辨别手写答案的对错。
在此基础上，若是选择一个错误的题目，我们还可以跟Gemini通过自然语言沟通，让它对每一个细节步骤进行详解。
在看图像做理解和推理方面，谷歌还亮出了更多有意思的案例。 例如替换图片素材的组合方式，Gemini就能像人一样精准猜中所指的电影名字：
就连下面这种高难度的也能hold住：
再如寻找两张图片的相似之处：
更有意思的是，谷歌还特意用中文做了个demo，来展示Gemini对多张图片的组合理解能力：
那么接下来的问题就是：Gemini是如何做到的？
60页报告透露技术细节
谷歌Gemini背后技术的杀手锏，便是原生多模态（natively multimodal）。 因为以往创建多模态大模型的方法，通常是为不同的模态训练单独的组件，然后将它们拼接在一起，大致模拟其中的一些功能。 这样训练出来的模型虽然有时可以很好地执行某些任务（比如描述图像），但在面对更具概念性和复杂推理的情况下，就会出现表现不佳的结果。 而谷歌Gemini所强调的原生多模态，是指从一开始就对不同的模态进行预训练，然后用额外的多模态数据对其进行微调，以此来进一步完善大模型的有效性。 谷歌对此表示：
这样的训练方法，有助于Gemini从头开始无缝地理解和推理各种输入，远远优于现有的多模态模型；而且它的功能在几乎每个领域都是最先进的。 |
