Hogar
WeChat WeMM-Embedding Potencia la Búsqueda en Moments y los Videos Destacados con 1.000 Millones de Consultas Diarias
El 4 de septiembre, WeChat AI anunció el lanzamiento de código abierto de su modelo de incrustación multimodal general, WeMM-Embedding. Disponible en versiones de 2B, 4B y 9B, el modelo admite texto, imágenes, vídeos, documentos visuales y cualquier entrada multimodal intercalada.
Según el empleado de WeChat @KeCunXiaoJiang, el modelo multimodal de código abierto del Equipo Visual de WeChat, WeMM-Embedding, permite al sistema comprender simultáneamente texto, imágenes y vídeos al colocarlos en un espacio semántico compartido para su comparación y recuperación.

Ya aplicado en escenarios como la búsqueda de Momentos y la recomendación de vídeos
Reveló que este modelo se utiliza ampliamente dentro de WeChat: la búsqueda de Momentos, la recomendación de vídeos, la recomendación de cuentas públicas y el comercio electrónico de WeChat lo utilizan, con un volumen diario de llamadas de mil millones de veces. En el banco de pruebas internacional MMEB-v2, el modelo se clasificó en primer lugar, superando a todos los modelos de código abierto y de código cerrado presentados anteriormente.
Actualmente, se han puesto a disposición los recursos relacionados con WeMM-Embedding: el artículo se ha publicado en arXiv, el repositorio de código está alojado en el proyecto Tencent/WeMM-Embedding de GitHub, y el conjunto de modelos también está disponible en Hugging Face.
Artículo relacionado
Anthropic cierra un acuerdo de derechos de autor por 1.500 millones de dólares para compensar 500.000 obras
El lunes, un tribunal federal de Estados Unidos otorgó su aprobación definitiva a un acuerdo por valor de 1.500 millones de dólares en una demanda colectiva entre Anthropic y una coalición de autores y editores, según informó Reuters. El acuerdo pone
Xiaohongshu, la Universidad de Pekín y la Universidad de Jiao Tong de Shanghai presentan HYPIC para reducir la latencia del primer token en un 3,25x en modelos de atención híbrida
El enfoque principal de los servicios de modelos grandes está cambiando de conversaciones de turno único a preguntas de recuperación aumentada (RAG), resumen de múltiples documentos y agentes de largo alcance. Estas cargas de trabajo emergentes compa
ChatGPT Desvela Pegatinas Personalizadas Compatible de Manera Ininterrumpida con las Principales Plataformas de Redes Sociales
OpenAI ha presentado oficialmente una nueva función de pegatinas personalizadas para ChatGPT, ampliando los límites de la IA en la creación masiva de contenido social.Los usuarios pueden crear pegatinas personalizadas mediante métodos intuitivos, co
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
El 4 de septiembre, WeChat AI anunció el lanzamiento de código abierto de su modelo de incrustación multimodal general, WeMM-Embedding. Disponible en versiones de 2B, 4B y 9B, el modelo admite texto, imágenes, vídeos, documentos visuales y cualquier entrada multimodal intercalada.
Según el empleado de WeChat @KeCunXiaoJiang, el modelo multimodal de código abierto del Equipo Visual de WeChat, WeMM-Embedding, permite al sistema comprender simultáneamente texto, imágenes y vídeos al colocarlos en un espacio semántico compartido para su comparación y recuperación.

Ya aplicado en escenarios como la búsqueda de Momentos y la recomendación de vídeos
Reveló que este modelo se utiliza ampliamente dentro de WeChat: la búsqueda de Momentos, la recomendación de vídeos, la recomendación de cuentas públicas y el comercio electrónico de WeChat lo utilizan, con un volumen diario de llamadas de mil millones de veces. En el banco de pruebas internacional MMEB-v2, el modelo se clasificó en primer lugar, superando a todos los modelos de código abierto y de código cerrado presentados anteriormente.
Actualmente, se han puesto a disposición los recursos relacionados con WeMM-Embedding: el artículo se ha publicado en arXiv, el repositorio de código está alojado en el proyecto Tencent/WeMM-Embedding de GitHub, y el conjunto de modelos también está disponible en Hugging Face.
Anthropic cierra un acuerdo de derechos de autor por 1.500 millones de dólares para compensar 500.000 obras
El lunes, un tribunal federal de Estados Unidos otorgó su aprobación definitiva a un acuerdo por valor de 1.500 millones de dólares en una demanda colectiva entre Anthropic y una coalición de autores y editores, según informó Reuters. El acuerdo pone
Xiaohongshu, la Universidad de Pekín y la Universidad de Jiao Tong de Shanghai presentan HYPIC para reducir la latencia del primer token en un 3,25x en modelos de atención híbrida
El enfoque principal de los servicios de modelos grandes está cambiando de conversaciones de turno único a preguntas de recuperación aumentada (RAG), resumen de múltiples documentos y agentes de largo alcance. Estas cargas de trabajo emergentes compa
ChatGPT Desvela Pegatinas Personalizadas Compatible de Manera Ininterrumpida con las Principales Plataformas de Redes Sociales
OpenAI ha presentado oficialmente una nueva función de pegatinas personalizadas para ChatGPT, ampliando los límites de la IA en la creación masiva de contenido social.Los usuarios pueden crear pegatinas personalizadas mediante métodos intuitivos, co











