Perplexity veröffentlicht Embed v2 Context mit offenen Gewichten für Text-, Bild- und Dokumentsuche
Perplexity hat mit Embed v2 Context Vision-Language-Embedding-Modelle mit offenen Gewichten in den Größen 9B und 600M veröffentlicht. Sie dienen der Suche in Texten, Bildern und PDFs.
Perplexity hat Embed v2 Context veröffentlicht, eine Familie von Vision-Language-Embedding-Modellen mit offenen Gewichten in zwei Größen: 9 Milliarden und 600 Millionen Parameter. Die Modelle sind für das Retrieval in Texten, Bildern und visuellen Dokumenten wie PDFs entwickelt. Laut Matthew Berman von Forward Future bezeichnet das Unternehmen sie für diese Aufgabe als State of the Art und hat dazu ein Paper veröffentlicht.
Die Modelle sollen vor allem beim Finden helfen. Berman zufolge spüren sie Texte, Bilder und Dokumente sehr gut auf. Außerdem seien sie klein genug, um lokal auf dem eigenen Rechner zu laufen.
Was sich ändert
Art: Neue Funktion · Betrifft: Embed v2 Context
Warum es wichtig ist
Offene Embedding-Modelle, die auch visuelle Dokumente verarbeiten, könnten den Aufbau einer Suche über gescannte oder bildlastige Unternehmensdateien vereinfachen.
Was Sie tun können
Teams, die eine Dokumentensuche aufbauen, könnten die 600M-Version bei visuellen Dokumenten gegen ihr aktuelles Embedding-Modell testen.
Originalquelle
Für diese Meldung haben wir noch keinen Link zur Originalquelle.
Wo wir es gesehen haben
Forward Future (Matthew Berman)
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es