多模态大语言模型识别公众人物能力对比分析

本文探讨了不同多模态大语言模型（MLMs）在识别图像中公众人物方面的表现差异。作者通过测试多款主流模型（如 GPT、Claude、Gemini、Qwen 等）对包含公众人物的图片进行识别，发现Gemini在识别能力上表现突出，而GPT和Claude则存在识别失败或错误的情况。测试还涉及多人物识别和未出现在训练数据中的演员识别场景，进一步揭示了模型在隐私处理和训练数据覆盖方面的差异。作者认为Gemini的优秀表现可能与其作为搜索引擎所拥有的丰富训练数据有关，并指出不同模型在训练策略和隐私政策上的不同影响。