WeMM-Embedding
PulseAugur coverage of WeMM-Embedding — every cluster mentioning WeMM-Embedding across labs, papers, and developer communities, ranked by signal.
- 2026-08-27 product_launch The WeChat team open-sourced WeMM-Embedding for multimodal search and recommendation. 来源
- 2026-08-25 product_launch Tencent released WeMM-Embedding, a new family of universal multimodal embedding models. 来源
- 2026-08-25 research_milestone WeChat Vision team releases WeMM-Embedding, a family of multimodal embedding models achieving state-of-the-art performance. 来源
-
MoEMB 使用高效的专家混合模型扩展多模态嵌入
研究人员推出 MoEMB，一种使用高效专家混合（MoE）架构来扩展通用多模态嵌入的新方法。该方法允许增加编码器容量，同时保持单向量、非自回归编码，这对于嵌入模型至关重要。MoEMB 在 MMEB-V2 和 MRMR 等基准测试中取得了最先进的性能，优于参数量和计算量都显著更多的模型。该研究还探讨了自适应计算策略，以进一步提高基于 MoE 的嵌入模型在大规模应用（如检索和推荐系统）中的效率。
-
微信团队开源WeMM-Embedding用于多模态AI
微信团队发布了WeMM-Embedding，一个用于多模态搜索和推荐任务的开源模型。此举旨在增强理解和处理不同数据类型的能力，以改进搜索和推荐功能。
-
腾讯发布WeMM-Embedding多模态模型用于微信
腾讯推出了WeMM-Embedding，这是一个新的通用多模态嵌入模型系列，旨在将文本、图像和视频等多样化内容表示在共享空间中。该模型有2B、4B和9B版本，经过两阶段训练，并在公开基准测试中展现了最先进的性能，其中2B版本在MMEB-v2上的表现优于之前的8B开源模型。WeMM-Embedding已部署到微信的各项应用中，包括推荐和搜索服务，实际性能有显著提升。
-
微信发布WeMM-Embedding多模态模型，达到SOTA性能
微信推出了WeMM-Embedding，这是一个新的通用多模态嵌入模型系列，旨在将文本、图像、视频和交错的多模态输入表示在共享空间中。该模型有2B、4B和9B版本，经过两阶段训练，并在公开基准测试中展示了最先进（SOTA）的性能，其中2B版本在MMEB-v2上优于8B基线。WeMM-Embedding已部署到微信的多个应用中，包括视频号、公众号和朋友圈，在推荐和搜索功能方面取得了显著的提升。
-
GitHub 上增长最快的 AI 项目在近期报告中被重点介绍 · 跟踪了 10 个来源
几个开源 AI 项目正在获得显著的关注，这从它们的增长分数和在 GitHub 上不断增加的星标可以看出。这些项目涵盖了各种类别，包括腾讯的 WeMM-Embedding 等多模态嵌入模型，Human-Agent-Society/reef 和 useagenthq/useagent 等 AI 代理框架，以及用于图像生成和代码辅助等任务的专用工具。报告强调了对自托管知识平台和 AI 同事日益增长的兴趣，反映了对更易于访问和可定制的 AI …