返回资讯中心
外部精选
软件工程
#开发者实时流

谷歌发布 EmbeddingGemma 2:统一高效的多模态表征模型

来源标题:EmbeddingGemma 2: Unified and Efficient Multimodal Representations

谷歌研究团队发布 EmbeddingGemma 2,旨在提供统一且高效的多模态表征。该论文于2026年10月27日提交至 arXiv,作者包括 Henrique Schechter Vera、Sahil Dua 等数十位研究者,论文编号与 DOI 信息已通过 DataCite 登记。目前公开信息仅为论文提交记录,摘要正文未披露具体性能指标。

Hacker News 最新namanbnsl2026/11/6 · 今天11 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

关注以了解更多 arXiv 通过 DataCite 颁发的 DOI 提交历史 来自:Henrique Schechter Vera [查看邮箱] [v1] 2026年10月27日 星期二 15:00:42 UTC(383 KB) 全文链接: 获取论文: 查看 PDF 版论文,标题为 EmbeddingGemma 2: Unified and Efficient Multimodal Representations,作者为 Henrique Schechter Vera、Sahil Dua、Jovan Andonov、Sara Smoot、Sebastian Russo、Ivan Llanos、Max Matveev、Jae Hyeon Yoo、Kat Black、Shih-Cheng Huang、Josiah Aklilu、Maarten Grootendorst、Omar Sanseviero、Chandramouli Amarnath、Ian Ballantyne、Zhe Li、Daniel Salz、Ibrahim Alabdulmohsin、Ilya Philippov、Kristen Quan、Glenn Cameron、Edouard Yvinec、Luciano Martins、Doug Reid、Sindhu Raghuram Panyam、Weiyi Wang、Hengxuan Ying、Madhuri Shanbhogue、Tanmaya Dabral、Shanfeng Zhang、Juyeong Ji、Renjie Wu、Joe Zou、Xu Chen、Yunan Zhang、Yu-Hui Chen、Matthew Soulanille、Vinod Mamillapalli、Yi-Chun Kuo、Wai Hon Law、Matt Kreileder、Alice Zheng、Suril Shah、Mogan Shieh、Pooja Consul、Alberto Montes、Andreas Hess、Andres Sevilla、Babak Samari、Brendan McCloskey、Brian Potetz、Daniel Cer、Georgios Kathareios、Gustavo Hern'andez 'Abrego、Hesen Zhang、Ji Ma、Jiaxing Wu、Keegan Mosley、Paul Suganthan、Rui Meng、Shen Gao、Shengcao Cao、Yi-Ting Chen、Yichang Chen、Zhongli Ding、Kendra Byrne、Cormac Brick、Olivier Lacombe、Qin Yin、Tris Warkentin、Armand Joulin、Tom Duerig、Mojtaba Seyedhosseini 查看 PDF HTML(实验性) TeX 源码 查看许可证 附加功能 音频摘要 当前浏览分类: cs.LG < 上一篇 | 下一篇 > 新增 | 最近 | 2026-10 切换分类浏览: cs cs.CL cs.CV cs.SD 参考文献与引用 SciX Google Scholar Semantic Scholar 导出 BibTeX 引用 加载中…… BibTeX 格式引用 × 加载中…… 数据提供方: 收藏 书目工具 书目与引用工具 书目浏览器开关 书目浏览器(什么是浏览器?) Connected Papers 开关 Connected Papers(什么是 Connected Papers?) Litmaps 开关 Litmaps(什么是 Litmaps?) scite.ai 开关 scite 智能引用(什么是智能引用?) 代码、数据与媒体 与本文相关的代码、数据和媒体 alphaXiv 开关 alphaXiv(什么是 alphaXiv?) 代码链接开关 CatalyzeX 论文代码查找器(什么是 CatalyzeX?) DagsHub 开关 DagsHub(什么是 DagsHub?) GotitPub 开关 Gotit.pub(什么是 GotitPub?) Hugging Face 开关 Hugging Face(什么是 Huggingface?) ScienceCast 开关 ScienceCast(什么是 ScienceCast?) 演示 演示 Replicate 开关 Replicate(什么是 Replicate?) Spaces 开关 Hugging Face Spaces(什么是 Spaces?) Spaces 开关 TXYZ.AI(什么是 TXYZ.AI?) 相关论文 推荐与搜索工具 影响力花链接 影响力花(什么是影响力花?) CORE 推荐开关 CORE 推荐器(什么是 CORE?) IArxiv 推荐开关 IArxiv 推荐器 (什么是 IArxiv?) 作者 会议/期刊 机构 主题 关于 arXivLabs arXivLabs:与社区合作者共同开展的实验性项目 arXivLabs 是一个框架,允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。 与 arXivLabs 合作的个人和组织都认同并接受了我们的价值观:开放、社区、卓越和用户数据隐私。arXiv 致力于这些价值观,并且只与遵守这些价值观的合作伙伴合作。 有能为 arXiv 社区增加价值的项目想法?进一步了解 arXivLabs。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →