跳到正文
热点事件持续更新

Omi改用向量分类器实现离线重要性判断

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

Omi开发者称,其全离线Android应用已将消息、邮件、文档和照片的重要性判断,从逐条调用小模型改为EmbeddingGemma 2向量配合自训小型分类头,293行测试实现零误报,并降低了耗电和延迟。 初版方案会生成9至30张误报卡片。改造后,同一批向量也用于语义搜索;微调后的Qwen3.5 2B仅负责回答提问及充电时的日常整理,聊天数据留在本机。开发者还称,保持提示词简短并复用KV缓存,比换成更快的模型更有效。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月22日
  1. AGI Hunt
    Omi 将端侧 LLM 重要性判断改为向量分类器,293 行测试零误报

    全离线 Android 应用 Omi 将消息、邮件、文档和照片的重要性判断从逐条调用小模型,改为基于 EmbeddingGemma 2 向量和自训小分类头的一次性处理。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。