标签
作者在视觉小说截图上测试了 Embedding Gemma 2（Q8，约 330MB，768 维）的文搜图能力，发现它对跨语言文本含义有一定理解、整体表现可用；但文本内容往往主导余弦相似度，视觉特征的影响较弱，且需要精细的措辞。
MMSearch-OPD 提出了一种结合可控数据精炼与联合强化学习和在线策略蒸馏的方法，以提升长时程多模态搜索智能体的能力，通过将简单问题扩展为困难且可学习的训练样本取得显著改进。
Google 介绍了开发者如何结合 EmbeddingGemma 2 与 Google AI Edge，构建完全在设备端运行的应用，让用户通过自然语言描述来搜索照片、视频和音频。
Feiteng Li 分享了一份针对 EmbeddingGemma2 的开源资源清单，涵盖 DigUp、Recall 等本地多模态搜索应用、决策模型微调方案，以及 llama.cpp、MLX、LiteRT、Transformers.js 等多端部署路径。相关仓库已开源并欢迎社区贡献。
SCM（Screen Memories）是一款本地优先的 macOS 应用，为任意文件夹中的每张照片和每个视频帧提供 AI 驱动的搜索，支持场景级视频搜索、OCR、基于 Whisper 的对白搜索以及可选的本地 LLM 对话——全部在设备上离线运行。该应用开源，可通过 Homebrew 安装，使用 Bun、Electron 和视觉模型（默认 CLIP）构建。