Entrá con tu cuenta de Google
Pronto también con Candado (llave de la aldea).
Vas a salir de tu cuenta en este dispositivo.
El documento detalla el entrenamiento y las pruebas de un modelo abierto que relaciona texto, imágenes, audio y video. Su lanzamiento ocurrió en octubre; ahora se conoce el análisis técnico.
Imagen ilustrativa generada con IA
Google publicó el 17 de noviembre un informe técnico sobre EmbeddingGemma 2, su modelo abierto de representaciones vectoriales multimodales. El documento explica el entrenamiento, los métodos de evaluación y los resultados experimentales de una tecnología que la compañía ya había presentado el 6 de octubre.
El sistema transforma contenidos de texto, imágenes, audio y video —también combinados— en vectores dentro de un mismo espacio. Esa representación permite buscar materiales relacionados por significado, aunque no compartan el mismo formato: por ejemplo, localizar un fragmento de video a partir de una consulta escrita.
De acuerdo con la documentación de Google DeepMind, el modelo tiene 740 millones de parámetros y genera vectores de hasta 768 dimensiones que pueden reducirse para ahorrar almacenamiento. Utiliza componentes asociados a Gemma 4 y desarrollos de Gemini Embedding 2.
El reporte académico presenta pruebas comparativas y decisiones de arquitectura; sus resultados corresponden a evaluaciones de los autores y pueden variar según los datos y el dispositivo. Para desarrolladores, el avance apunta a búsquedas locales multimodales y sistemas que recuperan información antes de generar una respuesta.
Todavía no hay comentarios. Sé el primero.
Para comentar tenés que estar registrado. La nota se lee sin login.
Entrar con Google Seguir en el tablón