传统 AI 模型在处理图像时常因静态观察而遗漏细节。Gemini 3 Flash 推出的 Agentic Vision 改变了这一现状,它将视觉理解转变为一个包含“思考、行动、观察”的代理式循环。通过启用代码执行功能,模型能主动操作影像(如裁剪、标注)并进行推理,从而在视觉基准测试中实现 5% 至 10% 的品质提升。这一功能有效解决了视觉算术中的幻觉问题,现已通过 Google AI Studio 向开发者开放。
原文链接:Linux.do
传统 AI 模型在处理图像时常因静态观察而遗漏细节。Gemini 3 Flash 推出的 Agentic Vision 改变了这一现状,它将视觉理解转变为一个包含“思考、行动、观察”的代理式循环。通过启用代码执行功能,模型能主动操作影像(如裁剪、标注)并进行推理,从而在视觉基准测试中实现 5% 至 10% 的品质提升。这一功能有效解决了视觉算术中的幻觉问题,现已通过 Google AI Studio 向开发者开放。
原文链接:Linux.do
评论前必须登录!
立即登录 注册