Google DeepMind 发布世界模型 Genie 4
Google DeepMind 宣布发布新世界模型 Genie 4,称其带来前所未有的真实感并改进实时交互模拟,原生多模态可同时生成音乐、环境音与交互对话。
推荐理由:官方说明了Genie 4如何用Gemini在环内引导实时世界生成,可迁移之处在于观察、拆解目标、复核帧的控制思路。
Google DeepMind 宣布发布新世界模型 Genie 4,称其带来前所未有的真实感并改进实时交互模拟,原生多模态可同时生成音乐、环境音与交互对话。
推荐理由:官方说明了Genie 4如何用Gemini在环内引导实时世界生成,可迁移之处在于观察、拆解目标、复核帧的控制思路。
Google DeepMind 发布 EmbeddingGemma 2,一个 740M 参数、Apache 2.0 许可的开源多模态嵌入模型,基于 Gemma 4 架构,可将文本、代码、图像、视频和音频映射到统一嵌入空间。
推荐理由:官方给出了参数规模、内存占用和上下文长度等具体指标,便于评估端侧多模态嵌入方案的可行性。