Google Gemini 迎来重大更新,新增通知中心与智能过滤功能

Google 正在为其 Gemini 应用推出重大的界面和功能更新,涵盖聊天组织、通知、搜索过滤器以及扩展的 AI 智能体工具。测试版构建表明,这些更改提升了日常可用性,同时将 Gemini 定位为更强大的 AI 中心。
更新后的布局将置顶聊天从“最近”列表移至侧边栏顶部。位于最顶部的统一搜索栏简化了对过往对话的访问,提高了整体导航效率。
在功能方面,一个显眼的铃铛图标引入了集中式通知中心。“最近使用”部分现在包含四个对话筛选标签,其中两个专门用于 Gemini Spark 任务。此外,Spark 管理界面已重新设计,新增了“自定义”页面,用于发现技能和管理工作区连接,并配有状态栏图标控件,以提供更大的个性化选项。
相关文章
由马克·贝尼奥夫支持的初创公司旨在解决人工智能部署挑战
大型企业在部署可靠的人工智能工具时面临如此严峻的挑战,以至于整个前沿部署工程师团队——这些嵌入在客户公司内部以将人工智能系统投入运营的专业人员——正在涌现,以弥合这一差距。“矛盾的是,人工智能推高了专业服务的需求,”前 Salesforce 高管、新成立的 June 公司创始人 Efrat Rapoport 周一宣布该公司结束秘密运营状态时指出。“行业解决人工智能集成问题的方法只是雇佣越来越多的人。”Rapoport 与她的三位联合创始人——Ohad Hen、Barak Goldstein
阿里视频发布万3.0,实现超长视频生成与多维度一致性
8月24日,阿里巴巴发布了万3.0,这是其最新的视频生成大模型。此次发布标志着阿里巴巴视频技术的重大飞跃,在时长、通用创作、参考处理以及真实世界模拟方面实现了显著提升。万3.0将单视频生成的时长扩展至30秒,在单个镜头内提供了更为丰富的叙事可能性。它还引入了对多种主流文件格式的支持——包括doc、xls、ppt、pdf和md——使得文本、表格和幻灯片能够直接转换为动态视觉内容。为了解决视觉不一致和风格漂移等常见挑战,万3.0在微观层面确保了高度的稳定性。它在角色外观、道具细节、音频设置、空间关系
MiniMax大模型误读姓名——稀宇科技:特定Token后训练不足
MiniMax 最近发布了一份技术报告,详细解释了其 M2 系列模型为何难以准确生成“马嘉祺”等特定名称。这一看似错误的现象凸显了当前大语言模型训练中存在的系统性缺陷。Token 偏移:被挤压的向量空间根本原因在于分词器(tokenizer),即文本处理的基本单位。例如,名称“马嘉祺”被拆分为两个 Token:“Ma”和“Jiaqi”。虽然模型在预训练阶段学习了这些 Token,但在随后的指令微调阶段出现了问题。在微调期间,Token “Jiaqi”在对话数据中出现的频率极低,因此几乎未接受任何
相关专题推荐
评论 (0)
0/500

Google 正在为其 Gemini 应用推出重大的界面和功能更新,涵盖聊天组织、通知、搜索过滤器以及扩展的 AI 智能体工具。测试版构建表明,这些更改提升了日常可用性,同时将 Gemini 定位为更强大的 AI 中心。
更新后的布局将置顶聊天从“最近”列表移至侧边栏顶部。位于最顶部的统一搜索栏简化了对过往对话的访问,提高了整体导航效率。
在功能方面,一个显眼的铃铛图标引入了集中式通知中心。“最近使用”部分现在包含四个对话筛选标签,其中两个专门用于 Gemini Spark 任务。此外,Spark 管理界面已重新设计,新增了“自定义”页面,用于发现技能和管理工作区连接,并配有状态栏图标控件,以提供更大的个性化选项。
由马克·贝尼奥夫支持的初创公司旨在解决人工智能部署挑战
大型企业在部署可靠的人工智能工具时面临如此严峻的挑战,以至于整个前沿部署工程师团队——这些嵌入在客户公司内部以将人工智能系统投入运营的专业人员——正在涌现,以弥合这一差距。“矛盾的是,人工智能推高了专业服务的需求,”前 Salesforce 高管、新成立的 June 公司创始人 Efrat Rapoport 周一宣布该公司结束秘密运营状态时指出。“行业解决人工智能集成问题的方法只是雇佣越来越多的人。”Rapoport 与她的三位联合创始人——Ohad Hen、Barak Goldstein
阿里视频发布万3.0,实现超长视频生成与多维度一致性
8月24日,阿里巴巴发布了万3.0,这是其最新的视频生成大模型。此次发布标志着阿里巴巴视频技术的重大飞跃,在时长、通用创作、参考处理以及真实世界模拟方面实现了显著提升。万3.0将单视频生成的时长扩展至30秒,在单个镜头内提供了更为丰富的叙事可能性。它还引入了对多种主流文件格式的支持——包括doc、xls、ppt、pdf和md——使得文本、表格和幻灯片能够直接转换为动态视觉内容。为了解决视觉不一致和风格漂移等常见挑战,万3.0在微观层面确保了高度的稳定性。它在角色外观、道具细节、音频设置、空间关系
MiniMax大模型误读姓名——稀宇科技:特定Token后训练不足
MiniMax 最近发布了一份技术报告,详细解释了其 M2 系列模型为何难以准确生成“马嘉祺”等特定名称。这一看似错误的现象凸显了当前大语言模型训练中存在的系统性缺陷。Token 偏移:被挤压的向量空间根本原因在于分词器(tokenizer),即文本处理的基本单位。例如,名称“马嘉祺”被拆分为两个 Token:“Ma”和“Jiaqi”。虽然模型在预训练阶段学习了这些 Token,但在随后的指令微调阶段出现了问题。在微调期间,Token “Jiaqi”在对话数据中出现的频率极低,因此几乎未接受任何





首页






