multimodal-embedding

本技术报告介绍了Douyin多模态嵌入（DME），这是一个两阶段训练的模型，结合了对比预训练与基于证据的潜在推理和交叉条件重构，在MMEB-v2上取得了最先进的结果，并已部署于Douyin搜索。

论文介绍了TTE-Flash，一种用潜在思考令牌替换显式思维链推理的方法，以恒定推理成本生成推理感知的多模态表示，在MMEB-v2基准测试上优于显式CoT基线。