Google-ը թողարկել է EmbeddingGemma 2՝ կոմպակտ մուլտիմոդալ մոդել

Google-ը թողարկել է EmbeddingGemma 2

Google-ը թողարկել է EmbeddingGemma 2՝ բաց մոդել, որը տեքստը, պատկերները, տեսանյութը, աուդիոն և կոդը թվային վեկտորների է վերածում, որպեսզի նման պարունակություն գտնելը և համեմատելը ավելի հեշտ դան: 740 միլիոն պարամետրով, ըստ Google-ի, սա իր տեսակի մեջ ամենակոմպակտ մոդելն է և մուլտիմոդալ embedding մոդելների չափանիշներում երկու անգամ մեծ մրցակցային մոդելներին է գերազանցում:

Չափանիշի աճեցում և լոկալ արդյունավետություն

EmbeddingGemma 2-ը Massive Text Embedding Benchmark (Code)-ում հավաքում է 78,68 միավոր, ինչը նախորդից գրեթե 10 միավորով է ավելին; նախորդը ուներ 68,76 միավոր: ըստ Google-ի, սա մոդելին թույլ է տալիս համեմատել չափազանց մեծ մոդելների հետ: Մոդելը աշխատում է լոկալ, առանց API բանալիի, և զննիչում՝ WebGPU-ի միջոցով, յուրաքանչյուր հարցումը մշակվում է մոտավորապես 20-ից 70 միլիվայրկյան: Այն պահանջում է մոտավորապես 191 MB RAM և լոկալ վեկտորային տվյալների բազայի հիշողությունը կրճատում է մինչև վեց անգամ:

Առցակաց RAG և հասանելիություն

Միայն տեքստային խնդիրների համար, ըստ Google-ի, բավարար է նաև 270 միլիոն պարամետրի տարբերակը: Gemma 4-ի նման փոքր բաց մոդելների հետ միասին EmbeddingGemma 2-ն կարող է աշխատեցնել առցակաց RAG հավելվածներ՝ առանց տվյալները արտաքին սերվերների ուղարկելու: Մոդելի կշերը հասանելի են Hugging Face-ում և Kaggle-ում՝ մշակողի ուղեցուցիկի և փաստաթղթավորման հետ միասին:

Աղբյուրներ: The Decoder