NeoMME：高效多模态原生多语言编码器

NeoMME 是一组 260M 和 800M 的多语言多模态编码器，不用独立预训练视觉塔或因果语言模型，由单个双向 Transformer 直接处理文本 token 和原始图像 patch，并以掩码离散扩散目标从零训练。