Project Icon

ms-marco-MiniLM-L-6-v2

MiniLM-L-6跨编码器模型提升MS Marco信息检索效率

ms-marco-MiniLM-L-6-v2是一个针对MS Marco信息检索任务优化的跨编码器模型。在TREC Deep Learning 2019和MS Marco Passage Reranking数据集上,其NDCG@10和MRR@10分别达到74.30和39.01。模型每秒处理1800个文档,平衡了性能和效率。基于SentenceTransformers库,该模型可轻松集成到信息检索系统中,用于查询-段落相关性排序。

msmarco-distilbert-cos-v5 - 用于语义搜索的句子向量化模型
GithubHuggingfacesentence-transformers嵌入向量开源项目模型模型训练自然语言处理语义搜索
msmarco-distilbert-cos-v5是一个基于sentence-transformers的语义搜索模型。它将文本映射至768维向量空间,基于MS MARCO数据集训练。支持sentence-transformers和HuggingFace Transformers两种使用方式。模型输出标准化嵌入向量,适用于多种相似度计算方法。这一工具可助力开发者构建高效的语义搜索应用。
all-MiniLM-L6-v2 - 高效句子嵌入模型实现384维向量空间映射
GithubHuggingfaceONNXsentence-transformers向量嵌入开源项目模型自然语言处理语义相似度
all-MiniLM-L6-v2是一个句子嵌入模型,可将文本映射到384维向量空间。该模型基于MiniLM-L6-H384-uncased,在超10亿句子对上微调。支持sentence-transformers和Hugging Face Transformers库调用,适用于聚类和语义搜索等任务。模型在多项基准测试中表现优异,是一个通用的句子嵌入工具。
all-MiniLM-L6-v2 - 轻量级句子嵌入模型助力Web环境文本分析
GithubHuggingfaceONNX权重Transformers.js句向量嵌入计算开源项目模型特征提取
all-MiniLM-L6-v2是一款基于Transformers.js的轻量级句子嵌入模型。它使用ONNX权重,与Transformers.js完全兼容,适用于Web环境的文本分析。开发者可通过简洁的JavaScript代码创建特征提取管道,快速生成多个句子的标准化嵌入向量。该模型为自然语言处理提供了高效解决方案,尤其适合需要在浏览器中进行文本分析的应用场景。
msmarco-distilbert-base-v4 - 基于DistilBERT的高性能句子嵌入模型
GithubHuggingfacesentence-transformers嵌入向量开源项目模型特征提取自然语言处理语义相似度
msmarco-distilbert-base-v4是一个基于sentence-transformers框架的句子嵌入模型,能将文本映射到768维向量空间。这个模型适用于语义搜索、聚类等任务,可通过sentence-transformers或Hugging Face Transformers库轻松集成。它采用DistilBERT架构和平均池化策略,为自然语言处理应用提供高效的文本表示能力。
cocodr-base-msmarco - 零样本文本检索与分布鲁棒学习模型
BEIRCOCO-DRGithubHuggingface向量相似度开源项目模型模型预训练自然语言处理
COCODR是一个基于BERT-base架构的文本检索模型,通过BEIR语料库预训练和MS MARCO数据集微调而成。模型采用对比学习和分布鲁棒学习方法,解决零样本密集检索中的分布偏移问题。借助HuggingFace transformers框架,模型可用于文本嵌入和相似度计算。
efficient-splade-VI-BT-large-query - SPLADE模型优化文档检索速度和精确度
GithubHuggingfaceSPLADE信息检索开源项目效率优化检索系统模型神经网络模型
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。
paraphrase-MiniLM-L6-v2 - 句子嵌入模型实现语义搜索和文本聚类
GithubHuggingfacesentence-transformers嵌入向量开源项目模型特征提取自然语言处理语义相似度
paraphrase-MiniLM-L6-v2是基于sentence-transformers的句子嵌入模型,将文本映射到384维向量空间。该模型适用于文本聚类和语义搜索,支持sentence-transformers库和HuggingFace Transformers两种使用方式。模型在多项基准测试中表现出色,为自然语言处理任务提供了有效解决方案。
efficient-splade-VI-BT-large-doc - SPLADE模型实现高效文档检索与精准排序
GithubHuggingfaceSPLADE信息检索开源项目效率优化文档编码器检索模型模型
SPLADE模型是一种针对文档检索的高效架构,采用查询和文档推理分离设计。该模型在MS MARCO开发集上达到38.0 MRR@10和97.8 R@1000的性能,同时将推理延迟降至0.7毫秒。它在保持与先进神经排序器相近效果的同时,大幅缩短了延迟,接近传统BM25的速度,为文档检索领域提供了平衡效率与准确性的新方案。
paraphrase-MiniLM-L3-v2 - 轻量级句子嵌入模型实现语义搜索与文本聚类
GithubHuggingfacesentence-transformers向量嵌入开源项目模型自然语言处理语义相似度预训练模型
paraphrase-MiniLM-L3-v2是一个sentence-transformers模型,将文本映射到384维向量空间。该模型适用于语义搜索和文本聚类等任务,支持多种编程框架。经过多个数据集训练,模型体积小、推理速度快,能够生成高质量的句子嵌入,适合需要高效文本表示的应用场景。
splade-cocondenser-ensembledistil - SPLADE模型优化段落检索的稀疏神经信息检索
GithubHuggingfaceSPLADE信息检索开源项目文本检索模型深度学习稀疏神经网络
SPLADE CoCondenser EnsembleDistil是一种先进的段落检索模型,在MS MARCO开发集上展现出卓越性能,MRR@10达38.3,R@1000达98.3。该模型整合了查询扩展、文档扩展和词袋等技术,并通过知识蒸馏和硬负样本采样提升了稀疏神经信息检索模型的效果。研究人员可将其应用于相关信息检索任务,更多技术细节可参考相关论文。
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