NeoMME: A Single-Tower Multimodal-Native Multilingual Foundation Encoder for Efficient Fine-Tuning and Inference

• 类型：arxiv
• 标识：2609.01657
• 链接：https://arxiv.org/abs/2609.01657
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work introduces NeoMME, a family of 260M and 800M-parameter Multimodal and Multilingual bidirectional Encoders that process multilingual text and raw image patches in a single bidirectional Transformer encoder.
• OpenAlex ID：W7207518620
• OpenAlex DOI：10.48550/arxiv.2609.01657
• DOI：10.48550/arxiv.2609.01657
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.01657
• OpenAlex更新：2026-09-06
• 副分类：engineering
• 待LLM分类：否
• 标题中文：NeoMME：用于高效微调与推理的单塔多模态原生多语言基础编码器
• TLDR中文：本文提出 NeoMME，一个 260M 与 800M 参数的多模态多语言双向编码器系列，可在单个双向 Transformer encoder 中处理多语言文本与原始图像 patch。
• 来源文件：
• /inbox/tom/_candidates/2026-09-03-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-09-04-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]