对比与生成：抖音SOTA多模态表征模型DME

抖音搜索多模态团队联合中国人民大学高瓴人工智能学院，发布抖音多模态表征模型 DME（Douyin Multimodal Embedding），在多模态表征权威评测榜单 MMEB-v2（78 个数据集，覆盖图像、视频、视觉文档三大域）上，DME 模型在 2B、9B 两个参数量级下均取得对应规模 SOTA，整体得分分别达到 74.8（2B）、78.4（9B），视频与视觉文档检索的优势尤为突出。DME 的技术已部署进抖音线上系统：内部离线评测集整体相对提升 2.92%；线上 A/B 实验验证核心业务指标 0.1% 的 L