Project Icon

efficient-splade-VI-BT-large-query

SPLADE模型优化文档检索速度和精确度

efficient-splade-VI-BT-large-query是一款高效的文档检索SPLADE模型。该模型采用查询和文档推理分离架构,在MS MARCO数据集上实现38.0 MRR@10和97.8 R@1000的性能,查询推理延迟仅0.7毫秒。通过L1正则化和FLOPS正则化等技术,模型在保持接近先进单阶段神经排序器性能的同时,将延迟控制在与BM25相近水平,实现了效率与性能的平衡。

msmarco-MiniLM-L12-en-de-v1 - 基于MS MARCO的英德双语文本重排序模型
GithubHuggingfaceMS Marco信息检索开源项目德英翻译模型自然语言处理跨语言检索模型
基于MS MARCO数据集开发的英德双语跨编码器模型,主要用于文本段落重排序。模型在TREC-DL19评测中NDCG@10分别达到72.94(英-英)和66.07(德-英),在GermanDPR数据集上MRR@10为49.91。支持SentenceTransformers和Transformers框架,处理速度为900对文档/秒,适用于跨语言信息检索场景。
DeepSeek-V2.5 - 集成通用与编程能力的先进语言模型
DeepSeek-V2.5GithubHuggingface代码生成函数调用大语言模型开源项目推理模型
DeepSeek-V2.5是一款整合了DeepSeek-V2-Chat和DeepSeek-Coder-V2-Instruct优势的语言模型。它在写作和指令执行等方面进行了全面优化,并在AlpacaEval、ArenaHard等多项评估中展现出卓越性能。该模型具备函数调用、JSON输出和FIM补全等实用功能,可广泛应用于推理和商业领域。通过创新架构设计,DeepSeek-V2.5在保证训练经济性的同时实现了高效推理,为用户提供了一个功能强大的语言模型解决方案。
msmarco-distilbert-base-tas-b - 高效语义搜索句子嵌入模型
DistilBertGithubHuggingfacesentence-transformers嵌入模型开源项目模型自然语言处理语义搜索
msmarco-distilbert-base-tas-b是一个基于sentence-transformers的语义搜索模型。它将句子和段落映射到768维向量空间,专为查询-文档匹配优化。模型易于使用,可通过sentence-transformers库集成,在信息检索和语义相似性任务中表现出色。这个开源项目为开发者提供了一个高效的语义搜索解决方案。
ms-marco-TinyBERT-L-6 - 跨编码器在信息检索与重排序中的应用
Cross-EncoderGithubHuggingfaceMS MarcoSentenceTransformers信息检索开源项目模型模型性能
TinyBERT-L-6模型在MS Marco Passage Ranking任务中进行了优化,解决信息检索中的查询与段落排序问题。该模型通过交叉编码器实现高效的信息检索,提升查准率并缩短排序时间。支持Transformers与SentenceTransformers工具使用,简化实现流程,展示良好性能。项目提供详尽的训练代码和性能评估,助力深度学习场景下的信息处理任务优化。
msmarco-bert-base-dot-v5 - BERT语义搜索模型 用于高效文本编码和相似度计算
BERTGithubHuggingfaceMS MARCO数据集sentence-transformers嵌入向量开源项目模型语义搜索
msmarco-bert-base-dot-v5是一个语义搜索模型,基于sentence-transformers框架开发。该模型将文本映射到768维向量空间,在MS MARCO数据集上训练而成。它能高效进行文本编码和相似度计算,支持通过sentence-transformers或HuggingFace Transformers库集成使用。这个模型适用于语义搜索等多种自然语言处理任务,为开发者提供了便捷的文本分析工具。
ms-marco-electra-base - ELECTRA跨编码器模型提升MS Marco信息检索效率
Cross-EncoderGithubHuggingfaceMS Marco信息检索开源项目模型模型性能自然语言处理
该模型是基于ELECTRA架构的跨编码器,专为MS Marco段落排序任务设计。其主要功能是高效编码查询和段落,用于信息检索的检索和重排序。模型在TREC Deep Learning 2019数据集上达到71.99的NDCG@10分数,MS Marco开发集上MRR@10为36.41,处理速度为每秒340文档。这些指标显示该模型在性能和效率方面达到了良好平衡。
msmarco-t5-base-v1 - 基于T5的文档扩展和查询生成模型
GithubHuggingfaceT5doc2query嵌入模型训练开源项目文本生成文档扩展模型
msmarco-t5-base-v1是一个基于T5的doc2query模型,主要用于文档扩展和特定领域训练数据生成。该模型通过生成相关查询,有效缩小词汇搜索的差距,提升BM25等标准索引的检索性能。此外,它能生成(查询,文本)对,用于训练高效的密集嵌入模型。该模型以google/t5-v1_1-base为基础进行微调,在MS MARCO数据集上完成了约4轮训练。
bge-reranker-v2.5-gemma2-lightweight - 多语言轻量级模型提供高效排序和相似度评估
GithubHuggingfacebge-reranker-v2.5-gemma2-lightweight压缩比多语言开源项目性能表现模型轻量化
该多语言轻量级排序模型通过词元压缩和逐层优化,节省资源同时维持高性能。根据使用场景和资源限制,用户可灵活选择模型的压缩比例和输出层次,实现高效推理。项目已在BEIR和MIRACL上达到新SOTA性能,技术细节报告将于稍后发布。
multi-qa-mpnet-base-dot-v1 - 基于自监督对比学习的句子语义搜索模型
GithubHuggingfacesentence-transformers句子嵌入句子相似度对比学习开源项目模型语义搜索
该模型用于提升语义搜索能力,将句子和段落映射至768维向量空间,达成高效信息检索。训练依托逾2.15亿问答对,覆盖丰富数据集与平台。模型应用CLS池化与点积相似度评估,适合处理有限文本语义匹配,同时支持sentence-transformers与HuggingFace Transformers两种使用方式,满足不同开发者需求。
xlm-roberta-large-squad2 - XLM-RoBERTa大型模型在多语言环境中的高效问答表现
GithubHaystackHuggingfacexlm-roberta-large多语种开源项目机器学习模型问答
XLM-RoBERTa大型模型经过SQuAD 2.0训练,支持多语言提取式问答。结合Haystack和Transformers框架,适用于大规模文档问答。模型评估显示其精准度和F1分数较高,尤其在无答案场景中表现突出,且支持FARM和Transformers间灵活切换。
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