arXiv cs.CY· Will Tucker-Ray, Marika Swanberg, Alexander Knop, Marvin Chow, Eric Culbertson, Julian Jacobs, Pritish Kamath, Ravi Kumar, Jason Mothersill, Mikhail Pravilov, Eugene Quan, Yurii Sushko·· 10 小时前AI 评分31
Gemini Nano Banana 图像生成与编辑的病毒式传播、教育与商业用途有何不同？一项隐私保护描述性分析
How are viral trends different from educational and commercial uses of LLM image generation and editing? A privacy-preserving descriptive analysis
AI 导读
研究利用 Google 开发的 Urania 框架，在差分隐私（DP）保障下分析了 2026 年初使用 Gemini Nano Banana 模型的 210 万段对话，全程不查看任何单张图像或单条提示词。
正文 · AI 翻译
作者：Will Tucker-Ray、Marika Swanberg、Alexander Knop、Marvin Chow、Eric Culbertson、Julian Jacobs、Pritish Kamath、Ravi Kumar、Jason Mothersill、Mikhail Pravilov、Eugene Quan、Yurii Sushko
摘要：Gemini 的 Nano Banana 模型于 2025 年末首次推出，带来了图像生成与编辑能力及使用方式的转变。我们利用 Urania——一个由 Google 开发的框架，可在严格的差分隐私（DP）保证下生成关于 LLM 聊天机器人交互的洞察——来分析使用场景与意图、技巧与提示方式，而无需查看任何单张图像或单条提示。我们选取了 2026 年初使用 Nano Banana 模型的 210 万段对话作为子样本，将其归入五大类别下的约 800 个聚类：（1）社交与病毒式分享，（2）品牌与营销物料，（3）教育与技术信息媒体，（4）产品可视化与电子商务，（5）建筑与空间设计。随后，我们在 21 项使用特征上比较这些聚类，衡量提示的（a）编辑技巧、（b）艺术风格请求、（c）构图以及（d）聊天机器人交互等方面。这使我们能够以保护隐私的方式，描述人们如何针对不同使用场景使用图像生成与编辑工具的基线——包括 Nano Banana 之前不可能实现的增长中和新兴的使用场景。
| 主题： | 计算机与社会（cs.CY）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.08749 [cs.CY] |
| （或 arXiv:2611.08749v1 [cs.CY] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.08749 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Marika Swanberg [查看邮箱]
[v1]
2026 年 11 月 5 日星期四 21:56:29 UTC（6,049 KB）
来源：arXiv cs.CY · arxiv.org