4 月 22 日消息，最新報(bào)告指出，谷歌旗下的 Gemini 2.5 Pro 模型能準(zhǔn)確解析 PDF 文檔的視覺結(jié)構(gòu)，實(shí)現(xiàn)精準(zhǔn)的視覺引用功能，成為首款能完全理解 PDF 布局的 AI 模型。qEl28資訊網(wǎng)——每日最新資訊28at.com

注：谷歌于 3 月 25 日向付費(fèi)用戶和開發(fā)者發(fā)布 Gemini 2.5 Pro 實(shí)驗(yàn)?zāi)Ｐ?，僅隔 4 天時(shí)間，谷歌便通過免費(fèi) Web 應(yīng)用向全球用戶開放。qEl28資訊網(wǎng)——每日最新資訊28at.com

Gemini 2.5 Pro 不僅能提取 PDF 文檔中的文本內(nèi)容，還能理解其視覺布局，包括圖表、表格和整體排版。qEl28資訊網(wǎng)——每日最新資訊28at.com

谷歌在開發(fā)者文檔中表示，該模型具備“原生視覺”（Native Vision）能力，支持處理最多 3000 個(gè) PDF 文件（每個(gè)文件上限為 1000 頁或 50MB），同時(shí)擁有 100 萬 token 的超大上下文窗口，未來計(jì)劃擴(kuò)展至 200 萬 token。qEl28資訊網(wǎng)——每日最新資訊28at.com

AI 初創(chuàng)公司 Matrisk 的聯(lián)合創(chuàng)始人 Sergey Filimonov 特別贊揚(yáng)了 Gemini 2.5 Pro 在 PDF 視覺引用上的表現(xiàn)。qEl28資訊網(wǎng)——每日最新資訊28at.com

Filimonov 指出，傳統(tǒng)的文本分割方法會(huì)切斷用戶與原文的視覺聯(lián)系，導(dǎo)致無法直觀驗(yàn)證信息的來源。甚至在 ChatGPT 中，點(diǎn)擊引用也只能下載 PDF，迫使用戶自行判斷模型是否“幻覺”，這嚴(yán)重?fù)p害了用戶信任。qEl28資訊網(wǎng)——每日最新資訊28at.com

過去，引用文檔內(nèi)容往往只能高亮大段無關(guān)文本，精準(zhǔn)度極低。Gemini 2.5 徹底改變這一現(xiàn)狀，它不僅能將提取的文本片段映射回原始 PDF 的確切位置，還能以前所未有的精度鎖定特定句子、表格單元甚至圖像。qEl28資訊網(wǎng)——每日最新資訊28at.com

這種技術(shù)突破為用戶提供了直觀的視覺反饋，例如在詢問房屋費(fèi)率變化時(shí)，系統(tǒng)能直接高亮文檔中相關(guān)數(shù)據(jù)（如 15.4% 的費(fèi)率變化），并標(biāo)注來源依據(jù)。qEl28資訊網(wǎng)——每日最新資訊28at.com

這種清晰度和交互性是現(xiàn)有工具無法企及的。Gemini 2.5 不僅優(yōu)化了現(xiàn)有流程，更開啟了全新的文檔交互模式。qEl28資訊網(wǎng)——每日最新資訊28at.com

qEl28資訊網(wǎng)——每日最新資訊28at.com

相比之下，Gemini 2.5 以 0.804 的 IoU（交并比）精度大幅領(lǐng)先其他模型，如 OpenAI 的 GPT-4o（0.223）和 Claude 3.7 Sonnet（0.210），展現(xiàn)出驚人的空間理解能力。qEl28資訊網(wǎng)——每日最新資訊28at.com

提供商模型IOU簡(jiǎn)評(píng)Gemini2.5 Pro0.804非常優(yōu)秀Gemini2.5 Flash0.614有時(shí)表現(xiàn)不錯(cuò)Gemini2.0 Flash0.395OpenAIgpt-4o0.223OpenAIgpt-4.10.268OpenAIgpt-4.1-mini0.253Claude3.7 Sonnet0.210

Gemini 2.5 的潛力遠(yuǎn)不止于文本定位。它還能從 PDF 中提取結(jié)構(gòu)化數(shù)據(jù)，同時(shí)明確標(biāo)注每個(gè)數(shù)據(jù)的來源位置，解決下游決策中因數(shù)據(jù)來源不明而產(chǎn)生的信任障礙。qEl28資訊網(wǎng)——每日最新資訊28at.com

qEl28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://www.www897cc.com/showinfo-45-12558-0.html力壓群雄：谷歌 Gemini 2.5 Pro 成首款完全理解 PDF 布局的 AI 模型，可精確引用

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com

上一篇： AI時(shí)代瀏覽器大戰(zhàn)：Chrome命運(yùn)懸而未決，OpenAI欲收入囊中？

下一篇： 智能軟體仿生觀賞魚“金鱗”亮相，在水族館、公園有望“以假亂真”