Nous publions ouvertement pplx-embed-v2-late, des embeddings multivecteurs pour texte et images, à 9B et 0,6B, dans un seul espace d’embedding partagé. Vous pouvez utiliser ces modèles pour indexer des données multimodales avec 9B, et effectuer des requêtes sur le appareil avec 0,6B. Cela permet également de rechercher sur des pages PDF sans OCR. Les scores atteignent 92,4 % sur MADQA, et 64 % sur BrowseComp+. Les poids sont désormais disponibles sur @huggingface.
Nous publions ouvertement pplx-embed-v2-late, des embeddings multi-vector pour texte et images, à 9B et 0,6B, dans un espace d’embedding…
Aravind Srinivas · X
À propos du contenu
La publication originale et les droits appartiennent à la source.
Traduction automatique · Consultez l’original