Shadow Walker 松烟阁
·
小本本系列：o3模型引发一次用好大模型工具的尝试
💡
原文中文，约2800字，阅读约需7分钟。
📝
内容提要
作者分析了OpenAI的o3模型，惊讶于其在图片定位和信息对齐方面的多模态能力。通过Gemini Deep Research，探索Multi-Modal Token技术，利用AI工具深入理解相关领域，进行个性化研究和数据处理。
🎯
关键要点
- 作者分析了OpenAI的o3模型，惊讶于其在图片定位和信息对齐方面的多模态能力。
- o3模型能够在没有metadata的情况下精确分析图片，展示了其强大的分析推理能力。
- 作者尝试理解o3模型背后的原理和技术，特别是Multi-Modal Token技术。
- 通过Gemini Deep Research，作者进行个性化研究，快速建立对Multi-Modal Token的认知。
- Gemini Deep Research的报告帮助作者整理和理解复杂的多模态数据处理。
- 作者利用AI编程工具进行小任务的快速实现，提升研究效率。
- 在研究过程中，作者使用AI工具处理markdown格式，以便于引用和校准资料来源。
❓
延伸问答
o3模型的多模态能力有哪些具体表现？
o3模型在图片定位和信息对齐方面表现出色，能够在没有metadata的情况下精确分析图片。
作者是如何研究Multi-Modal Token技术的？
作者通过Gemini Deep Research进行个性化研究，快速建立对Multi-Modal Token的认知。
Gemini Deep Research与其他大模型的比较如何？
作者认为Gemini Deep Research更好用，得益于Google多年的搜索引擎技术积累。
作者在研究过程中使用了哪些AI工具？
作者使用了Cursor、Cline等AI编程工具来快速实现小任务。
o3模型如何处理多模态数据？
o3模型通过对不同模态的信息进行有效对齐，解决了多模态数据处理中的语义差距问题。
作者如何利用AI工具处理markdown格式？
作者使用AI工具将reference的number list转换成footnote格式，以便于引用和校准资料来源。
➡️
