已验证65% 置信事实精确时间
Google DeepMind在开发Gemini时采用了从头开始的多模态训练策略，使其能够直接理解视频中的时序变化和音频中的音调情感等非文本信息
3
来源数
65%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
How to Choose Among 10 AI Tools? A Practical Guide Organized by Use Case
bilibili中山龙阿介2026/6/21
相关事实
待验证Google DeepMind在多模态模型的GUI理解和交互方面持续投入，包括利用大规模网页截图数据训练模型以及探索Android设备操控能力80% 相似待验证Google DeepMind提出了Nested Learning（嵌套学习）相关方法80% 相似待验证Google DeepMind的Genie项目尝试从无标注视频中学习可交互的世界模型78% 相似待验证DeepMind在VLA上叠加了一层Gemini模型，用户可直接用自然语言下达指令，机器人能一边工作一边对话74% 相似待验证Google DeepMind的SIMA项目训练了一个能够在多款3D游戏中执行自然语言指令的通用智能体74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/41265API
curl https://kongchang.com/api/v1/knowledge/claims/41265MCP
get_claim(id=41265)