Gemma 4 图像补丁预测能力可视化

近期开发者对 Gemma 4 12B 多模态模型的视觉机制进行了可视化探索。该模型直接读取原始图像 patch 并像 token 一样处理，可视化结果显示，不同图像区域能够对应高频预测词。这表明模型具备对场景、物体及材质等特征的细粒度理解能力。

2026-07-19 ~ 2026-07-19 · 3 条相关

• Gemma 4 看视频时在预测什么 — matthen2 · 2026-07-19
• Gemma 4 12B 图像补丁预测 — matthen2 · 2026-07-19
• Gemma 4 的图像补丁预测可视化 — matthen2 · 2026-07-19