Condé Nast 如何用 Amazon Bedrock 打造多模态视频发现系统
Condé Nast 与 AWS 生成式 AI 创新中心合作，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建了多模态视频发现方案，采用 TwelveLabs Marengo 嵌入模型联合编码视觉、音频和转录信号，支持意图语义搜索、图像查询和精确时间戳定位。
#搜索
#搜索
今日 1 条AWS Machine Learning BlogAI 评分3333
Hugging Face BlogAI 评分5353 H Company 发布 NeoMME 多语言多模态编码器，260M 与 800M 双尺寸以 Apache 2.0 开源
H Company 发布 NeoMME 系列多语言多模态编码器，提供 260M 和 800M 两种尺寸，用单一双向 Transformer 从头处理文本 token 和 32×32 图像 patch，以掩码离散扩散目标预训练，不依赖预训练视觉塔或因果语言模型。
Hugging Face Blog精选AI 评分6161 Hugging Face 详解 Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 搜索
Hugging Face 团队详解 Papers with Code 混合搜索架构，结合 PostgreSQL 全文检索、pgvector 与 RRF 融合实现语义搜索。
推荐理由：作者复盘 Papers with Code 混合搜索的完整架构与生产经验，读者可以借鉴其在嵌入契约、冷启动和混合检索上的可迁移做法。
Hugging Face Blog精选AI 评分7575 Sentence Transformers v6.0 新增 MultiVectorEncoder，支持 ColBERT 风格 late interaction 检索
Hugging Face 发布教程，介绍 Sentence Transformers v6.0 新增的第四种模型类型 MultiVectorEncoder，用于 ColBERT 风格的 late interaction 检索。
推荐理由：官方教程讲解 Sentence Transformers v6.0 新增 MultiVectorEncoder 的用法，覆盖 MaxSim 原理、索引成本实测和视觉文档检索等完整工作流。