近期测试发现,Google Gemini 在处理多图上传时存在逻辑反转问题。当用户上传多张图片时,Gemini 会将最后上传的图片视为第一张,与用户直觉相悖。相比之下,Grok、豆包和 Claude 均能正确识别图片顺序。值得注意的是,如果在对话中涉及使用 Nano Banana,Gemini 反而能正确识别图 1 和图 2。该问题暴露了 Gemini 在多模态交互细节上的不足。
原文链接:V2EX 分享发现
近期测试发现,Google Gemini 在处理多图上传时存在逻辑反转问题。当用户上传多张图片时,Gemini 会将最后上传的图片视为第一张,与用户直觉相悖。相比之下,Grok、豆包和 Claude 均能正确识别图片顺序。值得注意的是,如果在对话中涉及使用 Nano Banana,Gemini 反而能正确识别图 1 和图 2。该问题暴露了 Gemini 在多模态交互细节上的不足。
原文链接:V2EX 分享发现
最新评论
开源的AI对话监控面板很实用,正好团队在找这类工具。准备试用一下。
折叠屏市场确实在升温,不过售罄也可能是备货策略。期待看到实际销量数据。
从磁盘I/O角度解释B树的设计动机,这个切入点很好。终于理解为什么数据库不用二叉树了。
IT术语转换确实是个痛点,之前用搜狗总是把技术词汇转成奇怪的词。智谱这个方向值得期待。
这个工具结合LLM和搜索API的思路很有意思,正好解决了我在做知识管理时遇到的问题。请问有没有部署文档?
这个漏洞确实严重,我们团队上周刚遇到类似问题。建议补充一下如何检测现有项目是否受影响的方法。
从简单规则涌现复杂性这个思路很有意思,让我想起元胞自动机。不过数字物理学在学术界争议还挺大的。
我也遇到了指令跟随变差的问题,特别是多轮对话时容易跑偏。不知道是模型退化还是负载优化导致的。