Hugging Face · 每日论文· 媒体 / 作者来源·精选
EmbeddingGemma 2：统一高效的多模态表示模型
原文标题
EmbeddingGemma 2: Unified and Efficient Multimodal Representations
AI 导读
研究团队发布EmbeddingGemma 2，一个开源多模态嵌入模型，可原生表示文本、图像、音频、视频及其组合。该模型通过简化的每层嵌入和多阶段课程设计，在单模态、跨模态和混合模态评估中表现优异。在全面的多模态嵌入基准测试中，EmbeddingGemma 2建立了新的帕累托前沿，性能超越专业模型和体积大2-12倍的模型。设计还支持资源受限环境，包括选择性模态编码器加载、可调整视觉令牌预算、可截断嵌入维度和量化权重。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
EmbeddingGemma 2在多模态嵌入基准中建立了新的帕累托前沿，性能超越专业模型和更大体积的模型，同时提供资源受限环境的灵活部署方案。
导读由模型辅助整理，非独立核验。完整信息见原文。