NeoMME: an efficient Multimodal-native and Multilingual Encoder
Hugging Face Blog2694 字 (约 11 分钟)
85
NeoMME是Hugging Face推出的高效多模态编码器，通过单Transformer处理文本和图像，实现每秒51页的处理速度及255倍存储压缩，开源且支持多语言。
入选理由：NeoMME-260M模型在NVIDIA L40S GPU上实现51页/秒的处理速度，是ColModernVBERT的2倍。
FeaturedArticle#Transformer#多模态#Hugging Face#视觉检索中英混合