jina-embeddings-v2-base-code

jina-embeddings-v2-base-code

多语言代码嵌入模型 支持长序列和高效推理

jina-embeddings-v2-base-code是一款支持英语和30种常用编程语言的代码嵌入模型。它采用Bert架构和ALiBi技术,支持8192序列长度,适合处理长文档。该模型经过大规模代码数据训练,拥有1.61亿参数,可快速高效地生成嵌入。它在技术问答和代码搜索等场景表现出色,为开发者提供了实用的工具。

jina-embeddings-v2-base-codeHuggingface代码搜索自然语言处理嵌入模型模型多语言支持Github开源项目

jina-embeddings-v2-base-code 项目介绍

项目概述

jina-embeddings-v2-base-code 是由 Jina AI 公司开发的一个多语言文本嵌入模型。该模型不仅支持英语,还能处理30种广泛使用的编程语言。它是 jina-embeddings-v2 系列的一部分,具有强大的8192序列长度支持能力。

模型架构与训练

该模型基于 Bert 架构(JinaBert),并采用了对称双向 ALiBi 变体,以支持更长的序列长度。模型的骨干网络 jina-bert-v2-base-code 在 github-code 数据集上进行了预训练。随后,模型在 Jina AI 收集的超过1.5亿对编码问答和文档字符串源代码对上进行了进一步训练。这些数据对来自各个领域,并经过了仔细的清理过程。

模型特点

  1. 支持8192序列长度,适用于处理长文档的场景。
  2. 拥有1.61亿参数,在保证性能的同时实现快速和内存高效的推理。
  3. 多语言支持:除英语外,还支持30种常用编程语言。
  4. 基于 ALiBi 技术,可以扩展到更长的序列长度。

应用场景

该模型特别适用于技术问答和代码搜索等需要处理长文档的场景。它的多语言支持特性使其在各种编程相关的任务中表现出色。

使用方法

用户可以通过多种方式使用 jina-embeddings-v2-base-code 模型:

  1. 使用 Jina AI 的 Embedding API。
  2. 通过 transformers 包直接使用。
  3. 使用 sentence-transformers 库。
  4. 在 JavaScript 中使用 Transformers.js 库。

在使用时,建议应用平均池化(mean pooling)来获得高质量的句子嵌入。

相关模型

Jina AI 还提供了其他几个嵌入模型,包括:

  • jina-embeddings-v2-small-en:3300万参数
  • jina-embeddings-v2-base-en:1.37亿参数
  • jina-embeddings-v2-base-zh:中英双语嵌入
  • jina-embeddings-v2-base-de:德英双语嵌入
  • jina-embeddings-v2-base-es:西英双语嵌入(即将推出)

未来计划

Jina AI 计划进一步扩展其嵌入模型系列:

  1. 开发支持更多欧洲和亚洲语言的双语嵌入模型。
  2. 推出支持多模态 RAG 应用的多模态嵌入模型。
  3. 开发高性能的重排序器。

社区支持

Jina AI 鼓励用户加入他们的 Discord 社区,与其他社区成员交流想法和经验。这为用户提供了一个直接与开发团队和其他使用者互动的平台。

</SOURCE_TEXT>

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多