Hugging Face 推出多模態嵌入與重排序模型
hugging face 在 sentence transformers 函式庫中發布了多模態嵌入和重排序模型。該更新透過將文本和圖像映射到共享向量空間，實現了跨模態搜索、視覺文件檢索和多模態 rag 管道。基於 vlm 的模型需要 8gb 至 20gb 顯存。
Hugging Face 更新了 Sentence Transformers 庫，以支援多模態功能，允許嵌入和重新排序模型將文字和圖像映射到共享的向量空間。此功能使用戶能夠執行跨模態檢索任務，例如使用文字查詢搜尋圖像或建構多模態 RAG 管道。支援 Qwen3-VL-2B 等模型，運行 2B 版本需要至少 8GB VRAM，運行 8B 版本需要 20GB。