EmbeddingGemma 2. Բաց, թեթև մուլտիմոդալ վեկտորային մոդել
Google-ը ներկայացրել է EmbeddingGemma 2-ը՝ նոր թեթև և բաց կոդով մուլտիմոդալ վեկտորային մոդել, որը նախատեսված է RAG համակարգերի և սեմանտիկ որոնման հնարավորությունները բարելավելու համար: Gemma 2 ընտանիքի ճարտարապետության վրա հիմնված այս մոդելը օպտիմալացված է արդյունավետության համար, ինչը թույլ է տալիս ծրագրավորողներին կատարել բարդ մուլտիմոդալ առաջադրանքներ սահմանափակ ռեսուրսներ ունեցող սարքավորումների վրա: Մշակելով ինչպես տեքստային, այնպես էլ պատկերային տվյալներ՝ EmbeddingGemma 2-ը հնարավորություն է տալիս ստեղծել ավելի ինտուիտիվ որոնման համակարգեր, որոնք հասկանում են համատեքստը տարբեր մեդիա ձևաչափերում: Թողարկումը ներառում է նախապես մարզված կշիռներ և աջակցություն հանրահայտ մեքենայական ուսուցման շրջանակների համար: Այս քայլը համահունչ է Google-ի՝ բարձր արդյունավետությամբ AI գործիքների հասանելիությունը ժողովրդավարացնելու ռազմավարությանը՝ բաց կոդով համայնքին տրամադրելով տեղեկատվության որոնման առաջադեմ գործիքներ:
This is a summary. Read the full article at the original source:
Hacker News (YC)Կապակցված
Հոդվածի հեղինակը կիսվում է արհեստական բանականության միջոցով կոդի գրման ավտոմատացման անսովոր փորձով: Մեկ գործիք օգտագործելու փոխարեն, նա ստեղծել է մի հ…
Կարո՞ղ է Claude-ը պատկերներ ստեղծել. Ի՞նչ է իրականում աշխատում 2026-ին
Թեև Anthropic-ի Claude-ը տեքստային մոդել է և չի կարող ուղղակիորեն ստեղծել պիքսելներ, այն մնում է հզոր գործիք վիզուալ աշխատանքային հոսքերի համար: Ծրագր…
Ventana Seca. Տեղական արհեստական բանականության օգտագործումը Պանամայի եղանակը կանխատեսելու համար
Hacktoberfest Open-Source AI մարտահրավերի շրջանակներում ծրագրավորող Առնուլֆոն ներկայացնում է տեղական լեզվական մոդելների գործնական կիրառումը։ «Ventana…