Logo
Project Icon

bge-reranker-v2-minicpm-layerwise

分层文本排序器支持多语言并可调节计算层数实现高效推理

BAAIFlagEmbeddingHuggingface模型训练开源项目多语言处理模型文本分类Github

bge-reranker-v2-minicpm-layerwise是一个基于MiniCPM-2B-dpo-bf16的多语言文本排序器模型。它支持中英双语及多语言场景，可灵活选择8-40层进行计算，平衡推理速度和性能。模型在文本相关性评分和信息检索任务中表现优异，适用于大规模文本数据处理。通过FlagEmbedding框架可实现简便调用和部署，并支持FP16/BF16加速。

GithubGithubHuggingfaceHuggingface文档文档
介绍相关项目
jina-reranker-v1-tiny-en - 快速文本重排序解决方案，支持最长8192个token处理
ALiBiGithubHuggingfaceJina AIreranker开源项目文本分类模型知识蒸馏
jina-reranker-v1-tiny-en在JinaBERT模型基础上通过知识蒸馏技术实现高效文本重排序，支持最长8192个token的处理，适用于高速度需求场景，并确保结果的准确性。提供多种接入方式，包括Jina AI Reranker API、sentence-transformers库及transformers.js等。该模型表现优异，确保搜索结果的相关性和准确性。
cross-encoder-mmarco-mMiniLMv2-L12-H384-v1 - 多语言文本重排序模型提升搜索结果准确性
Apache许可证GithubHuggingfacemMiniLMv2开源项目模型模型再排序跨编码器重新上传
mmarco-mMiniLMv2-L12-H384-v1是一个多语言文本重排序模型，基于MiniLM架构设计。它采用12层transformer结构和384维隐藏层，专注于提升文本搜索和排序的准确性。该模型支持多语言输入，适用于搜索结果优化和文档排序等任务，在保持高效性能的同时兼顾了跨语言应用。作为一个开源项目，它为研究人员和开发者提供了强大的文本相关性评分工具。
mxbai-rerank-xsmall-v1 - 轻量级多语言搜索重排序模型
GithubHuggingfacetransformers人工智能开源项目机器学习模型模型重排自然语言处理
mxbai-rerank-xsmall-v1是一个轻量级多语言搜索重排序模型（reranker）。该模型基于transformers.js实现，可在浏览器中运行，支持多种语言。它在保持小巧的同时，能有效提升搜索结果相关性。这个开源项目适用于需要快速、精准重排序的应用场景，为开发者提供了灵活的定制和集成选项。
mxbai-rerank-base-v1 - 跨语言重排序模型提升搜索结果相关性
GithubHuggingfacetransformers人工智能开源项目机器学习模型深度学习自然语言处理
mxbai-rerank-base-v1是一个基于transformers库开发的跨语言重排序模型。该模型支持多语言处理，可在transformers.js中使用，有助于提升搜索结果的相关性。模型采用Apache-2.0开源协议发布，适用于搜索引擎、推荐系统和问答系统等场景，能够优化排序结果。
ms-marco-MiniLM-L-2-v2 - 基于MS Marco训练的跨编码器模型实现高效文本排序
Cross-EncoderGithubHuggingfaceMS Marco信息检索开源项目模型模型性能自然语言处理
这是一个基于MS Marco Passage Ranking任务训练的跨编码器模型。主要用于信息检索领域,通过对查询和候选段落编码实现文本排序。模型在TREC Deep Learning 2019和MS Marco Passage Reranking数据集上展现出优秀性能,NDCG@10和MRR@10指标表现突出。支持Transformers和SentenceTransformers两种调用方式,适用于多种应用场景。
bge-base-en-v1.5 - 增强文本处理能力的多任务学习模型
GithubHuggingfacesentence-transformers分类句子相似性句子聚类开源项目模型特征提取
bge-base-en-v1.5模型通过多任务学习优化自然语言处理技术，覆盖分类、检索、聚类和重排任务。在多个MTEB数据集上表现优异，例如在亚马逊情感分类任务中达到93.39%的准确率，在AskUbuntu重排任务中MRR达到74.28%。该模型具有MIT开源许可，适用于多种英语任务，为研究人员和开发者提供有效支持。
llm-embedder - FlagEmbedding 高性能文本向量化模型助力信息检索与语义搜索
FlagEmbeddingGithubHuggingface开源项目微调文本嵌入检索增强模型重排模型
FlagEmbedding项目开发了一系列高性能文本向量化模型,可将文本转化为低维密集向量。这些模型在信息检索、文本分类、聚类和语义搜索等任务中表现出色,也可用于构建大语言模型的向量数据库。项目包含BGE和LLM-Embedder等多个中英双语模型,在MTEB和C-MTEB基准测试中均取得第一。FlagEmbedding还提供模型微调代码和性能评估工具,便于进行定制化训练和测试。
jina-reranker-v1-turbo-en - 高速文本重排序方案，专为长文本和搜索优化设计
BERT架构GithubHuggingfaceJina AIjina-reranker-v1-turbo-en开源项目文本重排模型知识蒸馏
jina-reranker-v1-turbo-en使用JinaBERT，旨在实现快捷的文本重排序，可处理最多8,192个标记的长文本。通过知识蒸馏提升运行速度，同时确保高精度。6层结构和37.8百万参数设置使其成为神经搜索的有效工具。尽管其NDCG@10评分略低于旧版本，但因速度优势适合快速处理需求。模型对于多种环境可通过Jina AI Reranker API或transformers库轻松集成和使用。
bge-small-zh-v1.5 - 轻量级中文文本向量化嵌入模型
FlagEmbeddingGithubHuggingfaceMTEB向量嵌入开源项目模型模型训练语义检索
作为FlagEmbedding项目的核心组件,bge-small-zh-v1.5是一款专门面向中文场景的轻量级文本嵌入模型。该模型能将文本转化为低维向量表示,支持信息检索、文本分类和语义聚类等多种应用场景。在v1.5版本中优化了相似度计算机制,提升了零样本检索性能。模型支持主流深度学习框架调用,可无缝集成到向量数据库等实际应用中。
bge-multilingual-gemma2 - 基于Gemma 2架构的多语言文本嵌入模型
GithubHuggingfaceMTEB句子相似度多语言开源项目检索模型评估指标
bge-multilingual-gemma2是基于Gemma 2架构开发的多语言文本嵌入模型。该模型在MTEB NFCorpus、MSMARCO、FiQA2018等多个检索任务数据集上表现优异。它能有效处理多语言文本并生成高质量语义表示，适用于信息检索、句子相似度计算等自然语言处理任务。在MTEB FEVER数据集上，该模型的主要评分达90.38，展现出较强的检索能力。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号