H Company が NeoMME をリリース: ビジョン タワーとコーザル デコーダを廃止する 260M および 800M シングルタワー マルチモーダル エンコーダ ファミリ

H Company の 260M および 800M 双方向エンコーダのファミリーである NeoMME を取り上げます。 ColPali スタイルのレトリバーとは異なり、多言語テキスト トークンと生の 32×32 イメージ パッチを単一の Transformer で処理します。事前の処理は必要ありません。

概要は情報提供のみを目的としてまとめられています。全文についてはソース リンクを参照してください。デモのエントリは一例です。