BCEmbedding: Modelos de Embedding Bilingües y Multimodales de NetEase

Fri, 01 May 2026 00:00:00 +0000

Los modelos de embeddings son la base de los sistemas modernos de búsqueda semántica y generación aumentada por recuperación (RAG). BCEmbedding, desarrollado por NetEase Youdao, se destaca al ofrecer rendimiento de vanguardia optimizado específicamente para tareas de recuperación bilingüe chino-inglés y recuperación multimodal.

El modelo sobresale en la comprensión de relaciones semánticas a través de idiomas y modalidades. Ya sea que estés buscando documentos en chino con una consulta en inglés, recuperando imágenes de descripciones de texto o construyendo un pipeline RAG bilingüe, BCEmbedding produce embeddings que capturan el significado a través de estas fronteras.

Capacidades del Modelo

Capacidad	Descripción	Rendimiento
Texto bilingüe	Recuperación interlingüe chino-inglés	Top 3 en ranking MTEB
Multimodal	Recuperación texto-a-imagen e imagen-a-texto	Estado del arte
Recuperación densa	Representación de vector único	Competitivo con BGE
Recuperación dispersa	Modo híbrido con soporte BM25	Recuperación mejorada
Optimizado para RAG	Ajustado para recuperación a nivel de fragmento	Precisión excelente

Arquitectura de Embeddings

flowchart LR
 subgraph Entrada
 A[Texto Chino]
 B[Texto Inglés]
 C[Imagen]
 end
 subgraph BCEmbedding
 D[Codificador Bilingüe]
 E[Codificador Visual]
 F[Fusión Transmodal]
 end
 subgraph Salida
 G[Embeddings Vectoriales]
 H[Puntuaciones de Similitud]
 end
 A --> D
 B --> D
 C --> E
 D --> F
 E --> F
 F --> G
 G --> H

La arquitectura utiliza codificadores separados para texto y visión, con una capa de fusión transmodal que proyecta ambas modalidades en un espacio de embeddings compartido. Esto permite la comparación directa entre cualquier combinación de entradas de texto e imagen.

Bilingual on SoloSoft

BCEmbedding: Modelos de Embedding Bilingües y Multimodales de NetEase

Capacidades del Modelo

Arquitectura de Embeddings