EmbeddingGemma 2 нь төхөөрөмж дээр шууд ажиллаж, өгөгдлийг локал орчноос хайх боломж олгоно.
Google компани төхөөрөмж дээр шууд ажиллахаар оновчилсон, эмбеддинг үүсгэх мультимодал EmbeddingGemma 2 загвараа гаргалаа. Уг загвар текст, зураг, аудио, видеог нэг ижил орон зай дахь дүрслэл болгон хувиргаж, тэдгээрийн хооронд хайлт хийх боломжтой. Загвар 740 сая параметртэй бөгөөд 8 мянга хүртэлх токены контекст дэмждэг.
EmbeddingGemma 2-ыг Google DeepMind өмнөх текстэн эмбеддинг үүсгэдэг EmbeddingGemma загварын үргэлжлэл болгон бүтээжээ. Эмбеддинг гэдэг нь өгөгдлийг тоон хэлбэрээр төлөөлсөн дүрслэл бөгөөд хиймэл оюуны системд текст, зураг, аудио болон бусад төрлийн мэдээллийн хоорондох утгын холбоог илрүүлэх боломж олгодог.
Шинэ загвар Gemma 4 архитектур дээр бүтээгдсэн бөгөөд арилжааны хэрэглээг зөвшөөрдөг Apache 2.0 лицензээр түгээгдэнэ. 740 сая параметртэй тул хязгаарлагдмал нөөцтэй төхөөрөмж дээр шууд ажиллуулахад зориулагджээ.
Зөвхөн тексттэй ажиллахад 270 сая параметр хангалттай. Харин бүрэн мультимодал хувилбарт 170 сая параметртэй зураг кодлогч болон 300 сая параметртэй аудио кодлогчийг нэмж ашиглах боломжтой.
Google-ийн мэдээлснээр, EmbeddingGemma 2 нь нэг тэрбум хүрэхгүй параметртэй мультимодал эмбеддинг загваруудын дунд хамгийн өндөр үзүүлэлтүүдийг харуулжээ. Тухайлбал, текстийн MTEB болон аудионы MAEB тестүүдэд өндөр үр дүн үзүүлсэн бөгөөд зарим даалгаварт илүү том загваруудтай эн зэрэгцэх эсвэл давсан байна.
EmbeddingGemma 2-ын онцлогууд
EmbeddingGemma 2-ын контекстийн цонх 8 мянган токен бөгөөд өмнөх хувилбараасаа дөрөв дахин том. Ингэснээр локал төхөөрөмж дээр 5.5 минут хүртэлх аудио, 29 зураг, видеоны 58 кадр эсвэл эдгээрийн хослолыг боловсруулах боломжтой болжээ.
Google мөн кодтой ажиллах чадварыг сайжруулснаа мэдэгдсэн байна. MTEB Code үзүүлэлт өмнөх EmbeddingGemma загварын 68.76-аас шинэ хувилбарт 78.68 болж өсжээ. Ингэснээр кодын санг локал орчинд индексжүүлэх, семантик хайлт хийх болон программын агентуудад шаардлагатай мэдээлэл татахад ашиглах боломжтой болсон байна.
Google-ийн мэдэгдсэнээр, EmbeddingGemma 2 нь зураг, видео, баримт бичиг, аудиотой холбоотой даалгаварт нэг параметрт ногдох чанарын үзүүлэлтээр нэг тэрбум хүрэхгүй параметртэй загваруудын дунд шинэ түвшин тогтоожээ. Мөн хоёр дахин олон параметртэй зарим тусгай зориулалтын загварыг ч давсан гэж компани онцолсон байна.
Загварыг төхөөрөмж дээр шууд ажиллуулах нь өгөгдлийн нууцлалыг сайжруулж, боловсруулалтын саатлыг бууруулах давуу талтай. Үүнээс гадна хөгжүүлэгчид мэдээллийг алсын сервер рүү дамжуулахгүйгээр офлайн ажилладаг төрөл хоорондын хайлтын систем бүтээх боломжтой.
EmbeddingGemma 2-ыг Gemma 4 зэрэг генератив загвартай хослуулан локал RAG буюу хайлтаар баяжуулсан генерацийн систем байгуулахад ашиглаж болно. Ийм систем эхлээд локал өгөгдлөөс шаардлагатай мэдээллийг олж, дараа нь хариулт боловсруулахын тулд генератив загварт дамжуулдаг.
EmbeddingGemma 2 болон Gemma 4 нь ижил текстийн токенизатор, аудио кодлогч ашигладаг тул тэдгээрийг нэг дамжлагад ажиллуулж, нийт шаардлагатай санах ойн хэмжээг бууруулах боломжтой гэж Google мэдэгджээ.
Шинэ загвар юу хийж чадах вэ
EmbeddingGemma 2 нь, жишээлбэл, дуут тэмдэглэлээр видеоны тодорхой хэсгийг олох эсвэл текстэн хүсэлтээр олон цагийн аудио дундаас шаардлагатай бичлэгийг хайх боломжтой.
Үүний тулд бүх төрлийн өгөгдлийг нэг ижил эмбеддингийн орон зайд хувиргадаг тул өөр өөр формат хооронд хайлт хийх боломж бүрдэнэ.
Google практик хэрэглээний жишээнд медиатек дотроос текст эсвэл зургаар хайх, текст болон аудио хүсэлтээр видеоны тодорхой мөчийг олох, мөн локал файлуудыг генератив загвартай хослуулан ашиглахыг нэрлэжээ.
Эдгээр боломжийг Google AI Edge Gallery дахь Instant Media Search, Video Moments Finder хэрэгслүүд болон Google AI Edge Foresight апп-аар туршиж болно.
EmbeddingGemma 2-ыг бодит цагийн шийдвэр гаргалтын системд ч ашиглах боломжтой. MediaPipe Decision Task API-ийн тусламжтайгаар хөгжүүлэгчид мультимодал контекстэд тулгуурласан ангилал, чиглүүлэлт болон таамаглалын шийдлүүд бүтээж чадна.
Загварын жин аль хэдийн Hugging Face болон Kaggle-д нийтлэгдсэн бөгөөд цаашид Gemini Enterprise Agent Platform-ийн Model Garden-д нэмэгдэх төлөвтэй байна. Google загварыг байршуулж ажиллуулахад AI Edge MediaPipe болон LiteRT-ийг санал болгожээ. Google EmbeddingGemma 2 нээлттэй AI загвараа гаргалаа
