EmbeddingGemma 2：统一高效的多模态表示模型

EmbeddingGemma 2 是一个开源多模态嵌入模型，统一表示文本、图像、音频、视频及其组合。该模型通过简化层嵌入和多阶段课程学习，在跨模态和混合模态评估中表现优异，超越了更大规模的模型。支持选择性加载模态编码器、可调视觉 token 预算、截断嵌入维度和量化权重，适用于资源受限环境。研究团队发布模型以促进进一步研究。