Tencent uruchamia WeMM-Embedding — multimodalny model do przetwarzania zapytań

Tencent uruchomił WeMM-Embedding — zaawansowany model multimodalny, który obsługuje około miliarda zapytań dziennie w ekosystemie Weixin.

Model ten jest zdolny do jednoczesnego przetwarzania tekstu, obrazów oraz materiałów wideo, uwzględniając przy tym kolejność ich występowania. Wersja modelu o parametrach 9B zajęła pierwsze miejsce w rankingu MMEB-v2, uzyskując wynik 80,6 punktu. Z kolei lżejsza wersja 2B zachowuje aż 98,7% jakości nawet przy redukcji wymiarowości do 256.

Jedną z kluczowych innowacji jest elastyczność konfiguracji wymiarowości bez konieczności ponownego trenowania modelu. Użytkownicy mogą zredukować wymiarowość do 64 dla szybszego wyszukiwania lub zwiększyć ją do 2048 w celu osiągnięcia wyższej precyzji rankingowej.

Obecnie model WeMM-Embedding jest dostępny w otwartym dostępie na GitHubie.