跳到正文
AI HOT 精选

Gemini 现在能看视频学操作,然后自己上手点按、打字、滚动页面

Google DeepMind 为 Gemini 推出 agentic 视频理解功能

Google DeepMind 发布博客,为 Gemini 推出 agentic 视频理解功能。官方称该能力让 Gemini 以智能体方式处理视频理解任务,原文链接为 https://deepmind.google/blog/introducing-agentic-video-in-gemini。

推荐理由:Google DeepMind 为 Gemini 推出 agentic 视频理解功能,模型可观看操作录屏后自行完成点击、输入与滚动等界面操作,这条资讯交代了该能力的基本机制与发布来源。

读原文 ↗导出 Markdown