Embedding

Embedding 技术正从单一文本向量化向多模态语义空间融合演进。近期谷歌推出 Gemini Embedding 2 的商用版本，统一了文本、图像、音频等模态的语义表示，在多模态搜索与检索增强生成（RAG）场景中降低部署成本。研究方面，Pose-ICL 将 3D 感知引入上下文学习，利用 Embedding 实现可控姿态的主体图像定制；另一项地球系统科学领域的工作（Earth Embedding）则发现不同预训练模型的 Embedding 具有互补性，融合后可提升遥感任务效果。此外，Cocoindex 引擎通过实时维护 Embedding 索引，为 AI Agent 提供动态上下文更新，推动检索组件向基础设施化演进。当前焦点在于 Embedding 的通用性、模型间互补性以及实时计算效率，未来需关注跨模态对齐的精度与推理时延的平衡。