Google DeepMind publicó EmbeddingGemma 2, un modelo de representación multimodal de 740 millones de parámetros diseñado para ejecutarse directamente en el dispositivo del usuario sin necesidad de conexión a la nube. El modelo puede procesar texto, código, imágenes, audio y vídeo simultáneamente y genera representaciones vectoriales —embeddings— que permiten a las aplicaciones comparar, buscar y clasificar contenido multimodal con un único modelo unificado. El lanzamiento incluye licencia Apache 2.0, que permite el uso libre incluso en productos comerciales, y está construido sobre la arquitectura Gemma 4, la misma base de la familia de modelos abiertos de Google. La primera versión de EmbeddingGemma supera los 20 millones de descargas, según Google, y EmbeddingGemma 2 aspira a un nivel de adopción comparable. Continúa leyendo «EmbeddingGemma 2: Google DeepMind lanza el modelo multimodal on-device que procesa texto, código, imágenes, audio y vídeo con 740 millones de parámetros»
Etiqueta: embeddings multimodales
Cuando el RAG “tritura” tus manuales: por qué falla en PDFs técnicos y cómo arreglarlo
En muchas empresas, RAG (Retrieval-Augmented Generation) se ha convertido en el atajo preferido para “conectar” documentos internos con un modelo de lenguaje: indexas archivos, creas una base vectorial y el chatbot responde con seguridad. Sobre el papel suena tan sencillo como poner etiquetas a cajas en un trastero y pedirle a alguien que te traiga “la caja de facturas”. El problema aparece cuando el trastero no son cajas, sino un manual de ingeniería lleno de tablas, notas al pie, diagramas y jerarquías visuales.
En sectores donde la precisión es irrenunciable —infraestructura, fabricación, energía, aeroespacial— el resultado suele ser decepcionante: el usuario hace una pregunta concreta y el bot contesta algo plausible, pero incorrecto. Y lo más incómodo: a veces el fallo se interpreta como “el modelo alucina”, cuando en realidad el tropiezo ocurre antes, en la cocina del sistema. Esta idea, defendida en un análisis publicado en la comunidad de VentureBeat por el arquitecto de IA Dippu Kumar Singh, apunta a un culpable menos glamuroso que el modelo de turno: el preprocesado del documento. Continúa leyendo «Cuando el RAG “tritura” tus manuales: por qué falla en PDFs técnicos y cómo arreglarlo»