NeoMME

NeoMME：打破視覺語言模型框架的高效多模態原生編碼器

NeoMME 是一次對 VLM 架構的精簡主義實踐，成功地將『生成式冗餘』剔除，回歸到高效的表徵學習。其設計邏輯在工業級檢索場景中極具競爭力，特別是將圖文對齊強迫化地透過掩碼擴散實現，而非依賴預訓練權重遷移，這使其具備更強的底層對齊能力。然而，其性能優勢高度依賴於後端的量化壓縮技術，若無高效的儲存優化，遲後交互嵌入的空間成本仍將是大規模部署的潛在瓶頸。