Gemini 1.5: Unlocking multimodal understanding across millions of tokens of context

• 类型：arxiv
• 标识：2403.05530
• 链接：https://arxiv.org/abs/2403.05530
• 主题：agent
• 主分类：multimodal
• 形态：method
• 被引：3916
• 被引来源：Semantic Scholar
• S2被引：3916
• OpenAlex被引：295
• 影响力被引：849
• TLDR：Gemini 1.5 models achieve near-perfect recall on long-context retrieval tasks across modalities, improve the state-of-the-art in long-document QA, long-video QA and long-context ASR, and match or surpass Gemini 1.0 Ultra's state-of-the-art performance across a broad set of benchmarks.
• OpenAlex ID：W4392679398
• OpenAlex DOI：10.48550/arxiv.2403.05530
• DOI：10.48550/arxiv.2403.05530
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2403.05530
• OpenAlex更新：2026-08-21
• 待LLM分类：否
• 标题中文：Gemini 1.5: Unlocking multimodal understanding across millions of tokens of context
• TLDR中文：Gemini 1.5 在跨模态长上下文检索任务上取得近乎完美的召回率，在长文档 QA、长视频 QA 与长上下文 ASR 上刷新 SOTA，并在广泛基准上达到或超越 Gemini 1.0 Ultra 的 SOTA 表现。
• 来源文件：
• [OpenAlex discover]
• [OpenAlex backfill]
• [S2 enrich]