跳转至

Read this paper write-up in English

Omni-Embed-Mini: Binding Modalities Without Forgetting via Dense Distillation

复现级别：L1 核心机制诊断。 执行同几何空间的稠密描述蒸馏；未训练模态编码器或复现实测榜单。

论文信息

字段 内容
论文链接 arXiv v1
公司/机构 原文首页未列第一作者机构（按第一作者署名单位）
首次公开日期 2026-10-01（arXiv v1）
原文开源代码 否：截至 2026-10-03 未找到原作者公开实现
Adapter omni-embed-mini
本地复现代码 src/auto_research/foundation_latest_20261003.py

原始论文总结

背景与主要改动

冻结文本骨干，把每个媒体样本的稠密级联描述经同一文本骨干得到 teacher target，再训练轻量投影器和分阶段 LoRA 对齐六种模态。

flowchart LR
  I[输入与当前状态] --> M[omni-embed-mini 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或状态更新]

原论文关键图

Omni-Embed-Mini: Binding Modalities Without Forgetting via Dense Distillation 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文的训练流程与关键优化环节。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(L_{distill}=1-\cos(z_{media},stopgrad(z_{caption}))\)。

论文离线与线上效果

0.9B 模型覆盖文本、语音、音频、图像、视频和富文档且保持文本检索能力。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组执行定义性算子；L1 不报告正式相对提升，百分比不适用。

复现边界

执行同几何空间的稠密描述蒸馏；未训练模态编码器或复现实测榜单。