Project Icon

mxbai-rerank-xsmall-v1

轻量级多语言搜索重排序模型

mxbai-rerank-xsmall-v1是一个轻量级多语言搜索重排序模型(reranker)。该模型基于transformers.js实现,可在浏览器中运行,支持多种语言。它在保持小巧的同时,能有效提升搜索结果相关性。这个开源项目适用于需要快速、精准重排序的应用场景,为开发者提供了灵活的定制和集成选项。

distilbert-multilingual-nli-stsb-quora-ranking - DistilBERT多语言句子嵌入模型实现高效语义搜索和相似度计算
GithubHuggingfacesentence-transformers向量嵌入多语言模型开源项目模型自然语言处理语义相似度
这是一个基于DistilBERT的多语言句子嵌入模型,能将文本映射到768维向量空间。模型经NLI、STS-B和Quora数据集训练,支持多语言处理,适用于语义搜索、相似度计算和文本聚类等任务。通过sentence-transformers或Hugging Face Transformers,开发者可轻松将其集成到各类自然语言处理应用中,实现高效的文本分析和处理。
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。
stsb-bert-tiny-onnx - 基于BERT的轻量级文本向量化模型
GithubHuggingfacesentence-transformers开源项目文本嵌入模型模型训练自然语言处理语义相似度
这是一个轻量级的文本向量化模型,基于sentence-transformers框架开发。模型可将文本转换为128维向量表示,主要应用于文本聚类和语义搜索。支持通过sentence-transformers和HuggingFace两种方式调用,提供完整的模型评估数据。
stsb-bert-tiny-openvino - 基于BERT的轻量级句子相似度和语义搜索模型
GithubHuggingfacesentence-transformers向量编码开源项目模型深度学习自然语言处理语义搜索
stsb-bert-tiny-openvino是一个轻量级的自然语言处理模型,基于sentence-transformers框架开发。模型将文本映射为128维向量,可用于文本相似度分析、聚类和语义检索。支持sentence-transformers和HuggingFace两种调用方式,配备完整的使用示例和文档。通过CosineSimilarityLoss训练优化,在保持高效处理能力的同时确保了模型的轻量化。
bge-small-en-v1.5 - 轻量级高性能英语句子嵌入模型
GithubHuggingfacesentence-transformers开源项目文本分类模型聚类自然语言处理语义相似度
BGE-small-en-v1.5是一款轻量级英语句子嵌入模型,在文本分类、检索、聚类和语义相似度等多项NLP任务中表现出色。该模型在MTEB基准测试中展现了优异性能,同时保持了较小的模型规模,适合需要高效句子向量化的应用场景。模型在MTEB评估中的多项任务上表现突出,包括亚马逊评论分类、ArguAna论点检索和BIOSSES生物医学语义相似度等,为各类NLP应用提供了高效的句子向量化解决方案。
RetroMAE - 创新的检索导向语言模型预训练技术
BERTGithubRetroMAE信息检索开源项目自然语言处理预训练模型
RetroMAE是一种创新的检索导向语言模型预训练方法。通过掩码自编码器技术,该方法在MS MARCO和BEIR等基准测试中取得了显著性能提升。项目开源了预训练模型和微调工具,并提供了详细使用说明。RetroMAE在监督检索任务中表现卓越,同时展现出优秀的零样本迁移能力,为信息检索研究带来新的突破。项目提供了多个预训练模型,包括在维基百科和图书语料上预训练的基础版本,以及在MS MARCO数据集上微调的特定版本。研究人员可以通过Hugging Face轻松加载这些模型,进行实验或进一步改进。
opensearch-neural-sparse-encoding-doc-v2-distill - 神经稀疏编码模型优化文档检索效率
GithubHuggingfaceOpenSearch变压器模型开源项目文档检索模型神经稀疏编码自然语言处理
opensearch-neural-sparse-encoding-doc-v2-distill是一种先进的学习型稀疏检索模型,能将文档编码为30522维稀疏向量。该模型在BEIR基准测试中表现出色,展现了优秀的零样本性能和搜索相关性。其67M的参数量和0.504的平均NDCG@10分数,体现了模型的高效性。结合OpenSearch神经稀疏特性和Lucene倒排索引,可实现快速精准的文档检索。
RAG-Retrieval - 使用RAG-Retrieval全面提升信息检索效率与精度
GithubRAG-Retrieval开源项目微调排序模型推理检索模型
RAG-Retrieval项目通过统一方式调用不同RAG排序模型,支持全链路微调与推理。其轻量级Python库扩展性强,适应多种应用场景,提升排序效率。更新内容包括基于LLM监督的微调及其Embedding模型的MRL loss性能提升。
BCEmbedding - 双语跨语言嵌入模型提升检索增强生成效果
BCEmbeddingGithubRAG双语开源项目语义表示跨语言
BCEmbedding是一款双语和跨语言嵌入模型,针对检索增强生成(RAG)任务进行优化。该模型包含EmbeddingModel和RerankerModel两个组件,分别用于语义向量生成和搜索结果优化。BCEmbedding在中英文语义表示和RAG评估中展现出优异性能,支持多语言和多领域应用。该项目提供了便捷的API接口,可直接集成到RAG系统中,已在实际产品中得到应用验证。
allRank - 深入的PyTorch排序学习框架,支持多种神经网络模型
GithubPyTorchallRank学习排序开源项目损失函数评估指标
allRank是一个基于PyTorch的框架,旨在简化神经排序学习模型的实验。它提供多种损失函数和评分函数,并支持常用评估指标如NDCG和MRR。该框架支持添加自定义损失和配置模型与训练流程,适用于研究和工业应用。同时支持GPU和CPU架构,并集成了Google云存储功能。
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

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。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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