Gemma 4 12B 在處理視覺資訊與文件問答方面的表現具體數據為何？

Gemma 4 12B 在視覺問答與文件處理能力方面表現極為出色，特別是在處理複雜圖表與資訊萃取任務時展現了高度的實用性。根據基準測試結果，該模型在 DocVQA（文件問答） 項目中獲得了 94.9 的高分，這顯示其能精準理解並回答與各類文件內容相關的問題。在 InfoVQA 測試中，它也取得了 88.4 的優異成績。這些數據證明了模型具備以下核心能力：

• 複雜圖表處理：能解析並理解圖表中的數據關係。
• 資訊萃取：能從大量視覺資訊中精確提取關鍵內容。
• 實用性：具備處理複雜視覺資訊的實務能力。

這類能力讓 Gemma 4 12B 非常適合應用於需要高度精準視覺辨識的場景。透過移除傳統視覺編碼器並改用輕量化嵌入模組，模型能更高效地負擔視覺處理工作，進而在 DocVQA 等指標上取得領先成績，證明其在多模態應用中的強大競爭力。