Google выпустила EmbeddingGemma 2, модель с открытым исходным кодом, предназначенную для нативно мультимодальных эмбеддингов.
Выпуск позиционирует новую модель как лучший вариант в своём классе для обработки текстовых и изображений данных в едином пространстве эмбеддингов.
Google DeepMind выпустила EmbeddingGemma 2, модель встраивания с открытым исходным кодом для работы с мультимодальными данными, которая преобразует текст, код, изображения, видео и аудио в единое 768-мерное векторное пространство. Модель содержит 740 миллионов параметров в целом, объединяя текстовый энкодер на 270M параметров с модульными визуальным (170M) и аудиальным (300M) энкодерами.
Google представляет Gemma 4, новое поколение моделей языка с открытыми весами, нативно поддерживающих мультимодальность, с плотной и смесью экспертов архитектурами, варьирующимися от 2.3B до 31B параметров.
Google представляет Gemma 3, новое семейство легких открытых мультимодальных моделей с количеством параметров от 1 до 27 миллиардов. Это обновление добавляет понимание изображений, поддержку как минимум 128K токенов контекста и расширенное покрытие множества языков по сравнению с предыдущими версиями.
Исследователи представляют Eduardo, рецепт многошагового обучения с подкреплением для обучения тьюторов на основе больших языковых моделей, который решает «дилемму помощи», при которой модели склонны давать ответы, а не обучать. Метод использует тестирование после маскировки с близким переносом и бинарные вентили вознаграждения, чтобы предотвратить когнитивную разгрузку и передачу решений.
Авторы представляют Index-Translate, семейство многоязычных моделей перевода, объединяющее общую основу со специализированным обучением для общего перевода, следования инструкциям, перевода речи, контролируемого дубляжа и перевода длинных документов. Семейство включает модели 2B, 9B и 35B-A3B, поддерживающие 150 языков.
Мы используем cookie для аналитики и улучшения сайта. Вы можете принять или отклонить аналитические cookie. Политика конфиденциальности