Equipe do WeChat libera WeMM-Embedding para busca e recomendação multimodais

A equipe WeChat Vision, da Tencent, abriu o código do WeMM-Embedding, uma família de modelos de embeddings multimodais capaz de representar e combinar textos, imagens, vídeos e outros tipos de conteúdo. Segundo a equipe, os modelos já são usados no WeChat Channels, em Contas Oficiais, Moments e serviços de comércio eletrônico. O lançamento inclui versões de 2B, 4B e 9B. Nos resultados publicados pela Tencent, o modelo 9B ficou em primeiro entre os modelos listados nos benchmarks MMEB-v2 e MMEB-v3. A empresa também disponibilizou o código, ferramentas de avaliação e pesos em um repositório público e em páginas de modelos para aplicações de busca, recuperação e recomendação multimodais.