EmbeddingGemma 2：统一且高效的多模态表示
EmbeddingGemma 2 是一款开放的多模态嵌入模型，可将文本、图像、音频、视频及其组合映射到同一空间。其简化架构和分阶段训练流程旨在提升单模态与跨模态评测表现。开发者称，该模型在全面的嵌入基准测试中建立了新的帕累托前沿，性能超过专用模型以及规模大 2 至 12 倍的模型。为适应资源受限环境，它支持按需加载编码器、调整视觉 token 预算、截断嵌入维度和使用量化权重。此次发布还提供消融分析，以促进后续研究。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。