Project Icon

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。

sentence-transformers-multilingual-e5-large - 多语言句子嵌入模型适用于语义搜索和文本相似度分析
GithubHuggingfacesentence-transformers多语言模型嵌入向量开源项目模型自然语言处理语义相似度
sentence-transformers-multilingual-e5-large是一个多语言句子嵌入模型,将句子和段落映射到1024维向量空间。该模型基于sentence-transformers库构建,适用于聚类、语义搜索等任务。支持多语言处理,可通过Python代码轻松调用。模型在Sentence Embeddings Benchmark上进行了评估,为自然语言处理应用提供了有效的文本表示方法。
codesage-small - 多语言支持的开源码理解与嵌入模型
CodeSageGithubHuggingface代码嵌入开源项目模型深度学习编码器架构语言建模
CodeSage-Small是一个开源代码嵌入模型,以编码器结构为基础,提供多语言源码理解功能。训练数据来自去重后的Stack数据集,支持九种编程语言,包括c、java和python。采用掩码语言模型和双模态数据进行训练,通过Starcoder分词器和AutoModel实现便捷加载,可生成高维代码嵌入。详细信息可参考相关研究论文。
deepseek-coder-6.7B-base-AWQ - 大规模训练的代码语言模型,支持项目级代码补全和填充
GithubHuggingfaceIris数据集PyTorch开源项目模型模型训练深度学习神经网络
deepseek-coder-6.7B-base是一个在2万亿token上训练的大规模代码语言模型。采用16K窗口大小和填空任务训练,支持项目级代码补全和填充。在多个编程语言基准测试中表现优异,擅长代码补全、生成和理解。模型由87%的代码和13%的中英文自然语言构成,可支持多语言编程任务。
paraphrase-multilingual-mpnet-base-v2 - 跨语言句子向量化模型支持聚类和语义检索
GithubHuggingfacesentence-transformers多语言模型开源项目文本嵌入模型自然语言处理语义搜索
paraphrase-multilingual-mpnet-base-v2是一个基于sentence-transformers的多语言句子嵌入模型,支持50多种语言。它将句子和段落映射为768维向量,适用于聚类和语义搜索。模型易于使用,通过pip安装即可快速集成。在Sentence Embeddings Benchmark上表现出色,采用XLMRobertaModel和平均池化层结构,可有效处理不同长度的文本输入。
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。
deepseek-coder-33b-instruct - 多语言支持的AI编程模型
DeepSeek CoderGithubHuggingface人工智能代码模型开源项目模型深度学习自然语言处理
DeepSeek Coder是一款基于33B参数的AI代码模型,在2T tokens的代码和语言数据上训练而成。该模型支持多种编程语言,提供卓越的代码补全和填充功能。在多个基准测试中表现出色,能够进行项目级代码补全。DeepSeek Coder支持商业使用,开发者可通过简洁的Python接口调用模型,生成高质量代码。
bert-base-cased - 使用预训练双向Transformer模型提升语言理解能力
BERTGithubHuggingface句子分类开源项目掩码语言建模模型自监督学习预训练
BERT是一种通过自监督学习预训练的双向Transformer模型,旨在改善英语语言理解。基于大型语料库的预训练,使其能学习句子的双向表示,适用于序列分类、标记分类和问答任务。通过Masked Language Modeling和Next Sentence Prediction目标进行预训练,BERT在各类任务中展现出卓越表现,但注意选择合适的训练数据以避免潜在偏见。
e5-base-unsupervised - E5-base突出文本嵌入的创新性
E5-base-unsupervisedGithubHuggingface句子相似度对比学习开源项目文本嵌入模型自然语言处理
探索无监督文本嵌入的新领域,E5-base-unsupervised模型通过弱监督对比预训练实现文本表示学习。模型由12层组成,嵌入尺寸为768,支持句子相似度评估等多种任务。模型专为高效的查询和段落编码设计,适合开放问答和广告信息检索等场景使用。其使用便捷,支持与Sentence Transformers结合应用,以便在不同任务中灵活调整。同时,该模型仅支持英文文本,最大支持512个令牌。访问相关文档和基准测试可进一步了解性能和训练细节。
bert-base-multilingual-uncased - BERT多语言预训练模型支持102种语言的自然语言处理
BERTGithubHuggingface多语言模型开源项目机器学习模型自然语言处理预训练
bert-base-multilingual-uncased是基于102种语言的维基百科数据预训练的BERT模型。它采用掩码语言建模进行自监督学习,可支持多语言自然语言处理任务。该模型不区分大小写,适用于序列分类、标记分类和问答等下游任务。通过在大规模多语言语料库上预训练,模型学习了多语言的双向语义表示,可通过微调适应特定任务需求。
text2vec - 多模型文本向量化工具,支持多语言文本匹配分析
BERTGithubText2vec开源项目文本向量化文本相似度模型训练
text2vec工具实现了多种文本向量表示和相似度计算模型,如Word2Vec、BERT、Sentence-BERT和CoSENT。最新版本增加了多卡推理和命令行工具,方便用户批量处理文本向量化。它在中英文测试集上的表现优秀,尤其新版中文匹配模型在短文本区分上有显著提升。该工具为中文和多语言文本匹配提供了丰富的支持,能够满足各种文本语义分析任务的需求。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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