embeddinggemma-2

Què és embeddinggemma-2

EmbeddingGemma-2 és una sèrie de models d'incrustació de text llançada per Google, centrada a generar representacions vectorials de text d'alta qualitat per a tasques com cerca, recuperació i càlcul de similitud.

Funcionalitats principals

• Mapeja text (incloent codi), imatges, vídeo i entrades d'àudio en un espai vectorial unificat de 768 dimensions
• Admet més de 100 idiomes i millora el rendiment en tasques relacionades amb codi
• Proporciona càrrega flexible de modalitats, que permet l'ús selectiu d'encoders de text, visió o àudio
• Admet nativament Matryoshka Representation Learning, que permet truncar embeddings de 128d a 768d
• Admet una finestra de context de 8K tokens, capaç de gestionar diversos minuts d'àudio o vídeo

Per a qui és

Adequat per a desenvolupadors que necessiten fer embeddings de text, imatge, vídeo i àudio en maquinari de gamma consum (com telèfons i portàtils) per a tasques de cerca, RAG, classificació i clustering.

Com començar

1. Visita https://huggingface.co/google/embeddinggemma-2
2. Carrega el model mitjançant la biblioteca Hugging Face Transformers
3. Carrega selectivament encoders de text, visió o àudio segons els requisits

Compilat a partir de descripcions públiques del lloc web oficial / README / pàgina de llançament de l'eina. Els preus i el nombre d'usuaris no s'han verificat; consulta el lloc web oficial. Algunes seccions s'han redactat amb ajuda d'IA. Escrit en xinès i anglès; altres idiomes són traduïts automàticament.