Project Icon

msmarco-MiniLM-L6-en-de-v1

MSMARCO跨语言文本重排序模型 支持英德双向检索

这是一个基于MS MARCO数据集训练的跨语言文本重排序模型,支持英语和德语文本的相关性排序。模型可处理英语-英语、德语-英语和德语-德语的文本匹配任务。在TREC-DL19和GermanDPR基准测试中表现出色,处理速度可达每秒1600个文档对。兼容SentenceTransformers和Transformers框架,为跨语言信息检索应用提供了高效方案。

contriever-msmarco - 基于对比学习的无监督密集信息检索模型
ContrieverGithubHuggingface句子嵌入平均池化开源项目模型特征提取预训练模型
contriever-msmarco是Facebook开发的无监督密集信息检索模型,基于对比学习方法。作为facebook/contriever的微调版本,它遵循了'Towards Unsupervised Dense Information Retrieval with Contrastive Learning'论文的方法。该模型能够生成高质量的句子嵌入,适用于多种信息检索任务。通过HuggingFace Transformers库,研究者可以方便地加载模型并使用均值池化操作获取句子嵌入。
jina-embeddings-v2-base-de - 德英双语文本嵌入模型,优化跨语言相似度计算和检索
GithubHuggingfaceMTEBsentence-transformers开源项目数据分析文本分类模型模型评估
jina-embeddings-v2-base-de是一款针对德语和英语的双语文本嵌入模型。该模型在MTEB基准测试中表现出色,尤其在文本分类、检索和聚类任务中效果显著。模型不仅能处理德语文本,还支持德英跨语言相似度计算,适用于多语言文本检索和相似度匹配等场景。
mMiniLMv2-L12-H384-distilled-from-XLMR-Large - 轻量级多语言自然语言处理模型
GithubHuggingfaceMicrosoftMiniLMv2多语言模型开源项目机器学习模型自然语言处理
mMiniLMv2-L12-H384-distilled-from-XLMR-Large是一个基于Microsoft UniLM项目的多语言自然语言处理模型。该模型通过知识蒸馏技术从XLM-R大型模型中提取知识,在维持高性能的同时大幅缩小了模型体积。作为一个轻量级模型,它能够适应文本分类、问答系统和序列标注等多种NLP任务,尤其适合在计算资源有限的环境中使用。
wmt19-de-en - 德英翻译新突破,基于WMT19模型的精准与高效
FSMTFacebookGithubHuggingface开源项目性能评估机器学习模型翻译
wmt19-de-en项目是基于FairSeq的WMT19模型的德英翻译工具,旨在提高翻译的准确性和效率。项目提供预训练模型,可快速部署于多种翻译场景。尽管在处理重复短语时存在一定限制,但整体表现出色,获得了高BLEU评分。未来的改进方向包括加强模型集成和重新排序功能,以增强对复杂输入的翻译能力。
deepset-mxbai-embed-de-large-v1 - 高性能德语句子嵌入模型
GithubHuggingfacesentence-transformers变换器模型嵌入模型开源项目模型特征提取自然语言处理
deepset-mxbai-embed-de-large-v1是一个专为德语开发的句子嵌入模型。该模型基于Sentence Transformers技术,可将德语文本转换为向量表示。在语义相似度和文本分类等任务中表现优异,为德语自然语言处理应用奠定基础。支持高效特征提取,适用于多种下游任务。
multilingual-e5-large-pooled - 多语言支持的句子相似性与特征提取模型
GithubHuggingfaceMTEBmultilingual-e5-large分类句子相似度开源项目模型特征提取
此项目基于多语言处理,融合Sentence Transformers技术,专注于句子相似性与特征提取。支持多语言,适用于分类、重排序、文本聚类等多种场景。模型在各种任务中表现优异,如MTEB AmazonCounterfactualClassification和MTEB BUCC中的分类与双语文本挖掘,表现出色。采用MIT许可证,具有高度使用灵活性。
e5-base-sts-en-de - 基于E5微调的德语文本语义相似度模型
GithubHuggingfacee5-base多语言模型开源项目微调数据集模型语义文本相似度
这是一个基于多语言E5基础模型开发的德语语义相似度模型。模型通过德语释义语料库、PAWS-X和STSB多语言数据集进行训练,结合多负例排序和余弦相似度两种损失函数。模型在STSB测试集达到0.904的相关性分数,能够有效完成德语文本相似度计算任务。
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。
leo-hessianai-7b - LeoLM推动德语语言模型发展的新选择
GithubHuggingfaceLAIONLeoLMLlama-2开源开源项目德语语言模型模型
LeoLM是首个基于Llama-2构建的商用德语基础语言模型,经过大规模德语语料库的持续预训练。其旨在推动德语开源及商用LLM的研究,提升语言理解和文本生成能力,支持8k上下文长度。该项目依托于HessianAI的新超算系统42,并施行Llama-2社区许可证。用户可在Hugging Face平台获取leo-hessianai-7b及leo-hessianai-13b模型,并借助Transformers库实现快速推理。此项目旨在为德语开源及商业应用带来新发展。
MiniLM-L6-Keyword-Extraction - 高效句子嵌入模型,用于语义搜索与信息聚类
GithubHuggingFaceHuggingfacesentence-transformers句子相似性对比学习开源项目模型语义搜索
此项目通过自监督对比学习,训练出可将句子和段落转化为384维向量的模型,适用于语义搜索、信息检索和句子相似度任务。模型基于1B句子对数据集微调,利用TPU v3-8进行训练,并在Hugging Face社区活动期间开发。用户可使用sentence-transformers或HuggingFace Transformers实现多种自然语言处理应用。
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。

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