格灵深瞳、阿里ModelScope团队及通义实验室机器智能团队联合发布的UniME多模态框架，在MMEB训练榜上刷新了多项SOTA纪录。
UniME采用两阶段框架，包括文本判别知识蒸馏和困难负样本增强指令微调，显著提升了模型的跨模态理解和判别能力。
该框架已开源，展示了在多模态检索和跨模态检索任务上的卓越性能。
格灵深瞳、阿里ModelScope团队及通义实验室机器智能团队联合发布的UniME多模态框架，在MMEB训练榜上刷新了多项SOTA纪录。
UniME采用两阶段框架，包括文本判别知识蒸馏和困难负样本增强指令微调，显著提升了模型的跨模态理解和判别能力。
该框架已开源，展示了在多模态检索和跨模态检索任务上的卓越性能。
