Google 公布 EmbeddingGemma 2 技术报告,详解一个小模型怎样搜文字、图片、声音和视频

原文链接: https://arxiv.org/abs/2610.37364 来源: arxiv.org 发现于: 小互 · AI 解读站 · 2026/11/6 说明: 本文由 AIHot 自动聚合,并由 GLM 翻译为中文(保留全部代码与链接)


计算机科学 > 机器学习

  **arXiv:2610.37364** (cs)

[提交于 2026年10月27日]

标题:EmbeddingGemma 2:统一且高效的多模态表示

作者: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 Hernández Ábrego、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 查看论文《EmbeddingGemma 2:统一且高效的多模态表示》的 PDF,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)

摘要: 我们提出 EmbeddingGemma 2,这是一个开放的多模态 embedding 模型,能够原生地在统一空间中表示文本、图像、音频、视频及其组合。我们的方法引入了多项改进,例如简化的逐层(per-layer)embeddings,以及带有模态与目标递进的多阶段课程(curriculum),从而确保在单模态、跨模态和混合模态评估中均具有出色的质量。值得注意的是,在涵盖所有模态的综合性 embedding 基准测试中,EmbeddingGemma 2 确立了新的 Pareto 前沿,其表现优于专用模型以及比它大 2 到 12 倍的模型。此外,我们的设计为资源受限环境提供了灵活性,支持按需选择性加载模态编码器、可调节的 vision token 预算、可截断的 embedding 维度以及量化权重。我们通过消融实验(ablation)分析了关键设计决策,并发布 EmbeddingGemma 2 以促进进一步研究。

备注: 28 页。模型可在 HuggingFace(此 https 链接)和 LiteRT(此 https 链接)上获取
学科: 机器学习(cs.LG);计算与语言(cs.CL);计算机视觉与模式识别(cs.CV);声音(cs.SD)
引用方式: arXiv:2610.37364 [cs.LG]
(或 arXiv:2610.37364v1 [cs.LG] 指向此版本)
https://doi.org/10.48550/arXiv.2610.37364 由 DataCite 提供的 arXiv 签发 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:

附加功能

当前浏览上下文:

cs.LG

  [< 上一篇](https://arxiv.org/prevnext?id=2610.37364&function=prev&context=cs.LG)

  |      
  [下一篇 >](https://arxiv.org/prevnext?id=2610.37364&function=next&context=cs.LG)



[新论文](https://arxiv.org/list/cs.LG/new)
 | 
[近期论文](https://arxiv.org/list/cs.LG/recent)
 | [2026-10](https://arxiv.org/list/cs.LG/2026-10)

更改浏览类别:

    [cs](https://arxiv.org/abs/2610.37364?context=cs)

    [cs.CL](https://arxiv.org/abs/2610.37364?context=cs.CL)

    [cs.CV](https://arxiv.org/abs/2610.37364?context=cs.CV)

    [cs.SD](https://arxiv.org/abs/2610.37364?context=cs.SD)

参考文献与引用

BibTeX 格式引用

        加载中...
    
    
        数据提供方:

书签

http://www.bibsonomy.org/BibtexHandler?requTask=upload&url=https://arxiv.org/abs/2610.37364&description=EmbeddingGemma%202:%20Unified%20and%20Efficient%20Multimodal%20Representations https://reddit.com/submit?url=https://arxiv.org/abs/2610.37364&title=EmbeddingGemma%202:%20Unified%20and%20Efficient%20Multimodal%20Representations

书目与引用工具

与本文相关的代码、数据和媒体

演示

相关论文

推荐与搜索工具

CORE Recommender (CORE 是什么?)

IArxiv 推荐系统切换开关

IArxiv 推荐系统 (IArxiv 是什么?)

  • 作者
  • 发表平台
  • 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 合作的个人和组织均已接受并认同我们开放、社区、卓越和用户数据隐私的价值观。arXiv 坚守这些价值观,并且只与遵循这些价值观的合作伙伴合作。

有能为 arXiv 社区增值的项目想法吗?了解更多关于 arXivLabs 的信息。

本文的哪些作者是认可者(endorsers)? | 禁用 MathJax(MathJax 是什么?)