Search

Tag: #embeddings36 results

谷歌首個原生多模態嵌入模型

谷歌推出首個原生多模態嵌入模型，將文字、圖像、影片、音頻統一至單一嵌入空間。戲劇性示範讓龍蝦「看懂」螢幕。此進展提升跨模態AI理解。

量子位Media•Mar 11#embeddings#multimodal#cross-modal

Google 推出多模態 Gemini Embedding 2 模型

Google 推出 Gemini Embedding 2 模型，這是一款全新多模態嵌入解決方案。它支援文字、圖像、影片、音訊和文件嵌入於統一向量空間中。該模型可透過 Gemini API 和 Vertex AI 存取，並支援自訂輸出維度。

TestingCatalogMedia•Mar 10#embeddings#multimodal#vector-space

Perplexity 推出高效能嵌入模型

Perplexity 推出兩款新型嵌入模型：pplx-embed-v1 和 pplx-embed-context-v1，專為大規模檢索任務優化。這些模型採用 int8 和二進位量化以提升效率。模型提供 0.6B 和 4B 參數規模版本。

TestingCatalogMedia•Feb 27#embeddings#quantization#retrieval

LLM幻覺的幾何分類法

研究人員提出LLM幻覺的幾何分類法，將其分為三類：不忠實（忽略上下文）、捏造（發明語義外內容）和事實錯誤（正確框架內錯誤）。基準測試幻覺具領域本地檢測力（AUROC 0.76-0.99），跨領域僅隨機水平；人類捏造則可用單一全球方向達0.96 AUROC。事實錯誤因嵌入僅編碼共現而無法檢測。

ArXiv AIResearch•Feb 17#research#llms#hallucinations

可視化 GPT-2 針對「Trump」一詞的嵌入幾何結構

這項研究探討了 GPT-2 Small 如何在其靜態嵌入空間中表示「Trump」一詞。透過比較離散化與連續座標表示法，揭示了不同的數學處理方式如何影響相關詞彙的語義聚類。

Reddit r/MachineLearningCommunity•Jul 18#embeddings#nlp#data-visualization

Meta 探索用於廣告優化的層級化興趣表示法

Meta 正在研究一種新的上游表示層，旨在更好地連結用戶興趣與廣告商的產品。此方法透過學習整個生態系統的統一嵌入（embeddings），以提升深層漏斗廣告的成效。

Meta Engineering BlogOfficial•Jul 15#embeddings#ad-tech

AI 驅動的模擬模型探索方法研究

本研究探討 AI 與基於檢索的策略如何改善模擬模型的發現與重用。研究評估了資料表示法、嵌入模型與重新排序技術對檢索效能的影響。

ArXiv AIResearch•Jul 1#simulation-modeling#semantic-search#embeddings

基於語義相似度與 UMAP 的 1100 萬篇論文互動地圖

The Global Research Space 是一個新平台，可視覺化來自 OpenAlex 和 Arxiv 的 1100 萬篇科學論文。它利用 SPECTER 2 嵌入與 UMAP 降維技術，讓使用者能透過互動式且具備時間軸功能的地圖探索研究趨勢。

Reddit r/MachineLearningCommunity•Jun 30#data-visualization#nlp#embeddings