🔎 Google выпустила EmbeddingGemma 2: мультимодальный поиск прямо на устройстве Модель переводит текст, код, изображения, видео и аудио в единое векторное пространство. Например, позволяет найти нужный снимок по текстовому описанию. Всего 740 млн параметров: • 270 млн для текста; • 170 млн для изображений; • 300 млн для аудио. Нужные модули можно подключать отдельно. В оптимизированном запуске на Pixel 11 Pro полная модель использует около 567 МБ активной RAM, текстовая часть около 191 МБ. Лицензия Apache 2.0 допускает коммерческое использование. Практическое применение: локальный поиск по документам и медиа без отправки данных в облако. https://deepmind.google/models/gemma/embeddinggemma/ @ai_machinelearning_big_data
Research1 分钟阅读
内容来自原始来源：
Telegram — AI Machine Learning Big Data
在 Telegram — AI Machine Learning Big Data 阅读全文本内容来自公开来源。若发布内容影响您的权利 → 申请删除信息
标题为俄语Google выпустила EmbeddingGemma 2: мультимодальный поиск прямо на устройстве
🔎 Google выпустила EmbeddingGemma 2: мультимодальный поиск прямо на устройстве Модель переводит текст, код, изображения, видео и аудио в единое векторное пространство. Например, позволяет найти нужный снимок по текстовому описанию. Всего 740 млн параметров: • 270 млн для…
Telegram — AI Machine Learning Big Data作者: Machinelearning2026年10月6日 (10月6日)
提供 1 种语言版本AI 摘要：要点
- 🔎 Google выпустила EmbeddingGemma 2: мультимодальный поиск прямо на устройстве Модель переводит текст, код, изображения, видео и аудио в единое векторное пространство
- Например, позволяет найти нужный снимок по текстовому описанию
- Всего 740 млн параметров: • 270 млн для…
Research
KZ·AI 4C25Инсайт дня
Google выпустила EmbeddingGemma 2: мультимодальный поиск прямо на устройстве
全文为俄语
事件时间线
- Infrastructure
RUGoogle выпустила EmbeddingGemma 2.
相关文章
ENA Controlled LLM Workflow for Evidence-Grounded Diagnosis of Risk Score Differences
arXiv:2610.23962v1 Announce Type: new Abstract: We propose a controlled Large Language Model (LLM) workflow for explaining risk score differences using similar historical transactions. The workflow combines reference retrieval and contrastive SHapley Additive exPlanations (SHAP)…
arXiv — cs.AI
ENBeyond Explicit Intent: Discovering and Shaping Artistic Intent through Human-AI Co-Creation
arXiv:2610.24010v1 Announce Type: new Abstract: Generative AI is becoming an important medium for artistic creation, yet existing interactions often assume that creators can specify intentions in advance and accurately communicate them through text prompts. Artistic intentions,…
arXiv — cs.AI
GardenBench：LLM能力的轻量级每日评估
arXiv:2610.23866v1 通告类型：新 摘要：我们推出GardenBench，这是一个包含11个测试套件的基准，用于评估大语言模型（LLM）在一系列任务中的能力。通过系统地用各种轻量级查询提示LLM，我们记录了…
arXiv — cs.AI
ENLogicVal:A Logic-Formalized Benchmark for Constraint Satisfaction in Text-to-Image Generation
arXiv:2610.24051v1 Announce Type: new Abstract: Text-to-Image (T2I) generative models have made significant progress in producing high-fidelity images from natural-language prompts. Alongside this progress, numerous benchmarks have been developed to evaluate capabilities such as…
arXiv — cs.AI