Eddy-VL 1.9B: 用于边缘部署的压缩多模态模型

研究人员开发了Eddy-VL 1.9B，这是一种压缩的多模态嵌入模型，专为无云访问环境中的边缘部署而设计。Eddy-VL基于Qwen3-VL-Embedding-2B构建，利用结构化剪枝和分层蒸馏，将参数数量减少了约9.5%，同时在MMEB-V2基准测试中保持了超过91%的教师模型性能。这种压缩还将前向延迟降低了10%，使其适用于需要低延迟和离线功能的应用程序，例如法证调查。虽然在组合推理方面表现强劲，但在Winoground等任务上的表现仍然是一个限制。 AI

影响 在资源受限的环境中实现高效的多模态检索，可能推动离线法证和边缘AI等应用的进步。

排序理由 该集群描述了一篇关于新模型架构和压缩方法的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• ARO
• Eddy-VL 1.9B
• FlashAttention-2
• Hugging Face
• MMEB-V2
• MR2-Bench
• NVIDIA DGX Spark
• Qwen3-VL-Embedding-2B
• SugarCrepe
• Winoground

• 模型发布
• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →