EmbeddingGemma, kompaktowy model wielojęzyczny o 308M parametrach, idealny do aplikacji RAG na urządzeniach - a my sprawiliśmy, że integracja z LlamaIndex jest super prosta! 🛠️ Gotowa do użycia integracja z klasą Embedding @huggingface LlamaIndex - wystarczy określić zapytanie i podpowiedzi dokumentów. Model osiąga najwyższe miejsca w Massive Text Embedding Benchmark, a jednocześnie jest wystarczająco mały, aby działać na urządzeniach mobilnych. Dodatkowo, łatwo go dostosować - blog pokazuje, jak dostosowanie na danych medycznych stworzyło model, który przewyższa znacznie większe alternatywy. Cieszymy się, widząc efektywne modele takie jak ten, które sprawiają, że potężne osadzenia są dostępne wszędzie, szczególnie w przypadku wdrożeń brzegowych, gdzie każdy MB ma znaczenie. Zobacz pełne techniczne zagłębienie i przykłady integracji: