ByteDance Engineering公式発表·2026年8月18日 20:00·約34分

ByteDance、多模態モデル DME を発表し SOTA 達成を報告

#マルチモーダル #検索エンジン #ベクトルデータベース #RAG #ByteDance

整理・翻訳:ainew.jp 編集システムAIによる自動処理作り方と限界

本文の状態

日本語全文あり

詳細モードで約34分の本文を読めます。

同じ出来事の情報源

この情報源を基点に整理

ByteDance Engineering

30秒でわかる

ByteDance と中国人民大学が共同で開発した多模態検索モデル DME は、MMEB-v2 ベンチマークで SOTA を達成し、効率と細粒度を両立する新手法により AI 検索や Agent への応用を可能にした。

記事の3ポイント

SOTA 性能の達成
DME モデルは MMEB-v2 ベンチマークにおいて、2B および 9B パラメータ規模で同サイズ最良（SOTA）を記録し、特に動画と視覚ドキュメント検索で顕著な成果を示した。
効率と細粒度の両立
「どこを見るか」と「何を記憶すべきか」を訓練段階で最適化することで、双编码器アーキテクチャでありながら、従来の手法が苦手とする細粒度的な検索能力を実現した。
実システムへの導入実績
DME の技術はすでに抖音のオンラインシステムに展開され、内部評価で 2.92% の相対向上と、生体指標（LT）において 0.1% の収益増を達成している。

なぜ重要か・誰に関係するか

この発表が重要なのは、従来の検索モデルが抱えていた「高速さ」と「詳細な意味理解」を両立させる実用的な解決策を示し、AI 検索や自律型エージェント（Agent）の信頼性を高める基盤技術となったからだ。開発者および企業の AI 導入担当者は、大規模データ環境下でも高精度な検索を実現するアーキテクチャ設計の参考として、本モデルの訓練手法と評価結果を確認すべきである。