Descripción
EmbeddingGemma 2 es un modelo de incrustación multimodal avanzado creado por Google DeepMind. Integra entradas de texto, imágenes, video y audio en un único espacio vectorial de 768 dimensiones, lo que lo hace adecuado para diversas aplicaciones como búsqueda, clasificación y agrupamiento.
Leer más
El modelo comprende 740 millones de parámetros, incluyendo un backbone de texto de 270 millones de parámetros y codificadores modulares de visión y audio.
Diseñado para operar de manera eficiente en hardware de consumo, EmbeddingGemma 2 proporciona representaciones semánticas de baja latencia para aplicaciones en dispositivos. Soporta más de 100 idiomas y demuestra una mejora del 14% en tareas de código en comparación con su predecesor. El modelo presenta el Aprendizaje de Representación Matryoshka, que permite incrustaciones truncadas para reducir costos de almacenamiento mientras se mantiene la calidad.
EmbeddingGemma 2 ofrece una huella flexible, permitiendo a los desarrolladores cargar solo las modalidades necesarias para su caso de uso. Soporta una ventana de contexto de 8,192 tokens, capaz de procesar contenido extenso de audio o video. El modelo utiliza representaciones guiadas por tareas, optimizando las incrustaciones para diversas tareas a través de prefijos de instrucciones de texto ligeros.
La arquitectura del modelo incluye 24 capas, una dimensión oculta de 2048 y un tamaño de vocabulario de 262,144. Emplea redes de retroalimentación con compuertas y activación GELU, así como agrupamiento medio. EmbeddingGemma 2 ha sido evaluado en múltiples benchmarks, mostrando mejoras significativas en tareas de incrustación de texto, código, imagen, video y audio.
Si bien EmbeddingGemma 2 es poderoso, los usuarios deben ser conscientes de sus limitaciones, como sesgos en los datos de entrenamiento y desafíos con tareas abiertas. Se alienta a los desarrolladores a implementar salvaguardias a nivel de aplicación para garantizar un uso responsable.
- CategoríaModelos de IA y LLM
- Modelo de preciosCódigo abierto
- ImplementaciónNube
- PlataformasWeb
Aspectos destacados de EmbeddingGemma 2
Incrustación multimodal
Soporta más de 100 idiomas
740M parámetros
Aplicaciones en dispositivos de baja latencia
Aprendizaje de Representación Matryoshka
Representaciones guiadas por tareas
Ventana de contexto de 8,192 tokens
Huella flexible
Primeros pasos con EmbeddingGemma 2
Acceder al modelo: Visitar Hugging Face
Autenticarse: Configurar acceso a la API
Configurar el entorno: Instalar bibliotecas
Integrar a través de la API: Usar puntos finales del modelo
Optimizar: Aplicar prefijos de tarea
Casos de uso de EmbeddingGemma 2
- Búsqueda Semántica
- Clasificación de Texto
- Agrupamiento
- Similitud Semántica
- Verificación de Hechos
