Project Icon

RetroMAE

创新的检索导向语言模型预训练技术

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。

RETRO-pytorch - 基于PyTorch的RETRO检索增强语言模型
GithubPytorchRETRO开源项目检索增强语言模型深度学习神经网络
RETRO-pytorch是一个基于PyTorch实现的检索增强变换器(RETRO)模型。该项目通过高效的检索机制,在仅使用GPT-3十分之一参数的情况下实现相当性能。项目利用autofaiss构建索引和计算最近邻,并支持将模型扩展至1000层。此外,RETRO-pytorch还提供了便捷的训练包装器和数据集类,大大简化了模型训练流程。
dragon-plus-context-encoder - 基于BERT的密集检索器实现多样化文档检索
BERTDRAGON+GithubHuggingface密集检索开源项目模型模型训练特征提取
dragon-plus-context-encoder是一个基于BERT的密集检索器,由RetroMAE初始化并在MS MARCO语料库上进行了进一步训练。该模型使用非对称双编码器结构,在MARCO Dev和BEIR基准测试中分别达到39.0和47.4的得分。通过HuggingFace Transformers,研究人员可以轻松使用该模型进行查询和上下文编码,实现文本相似度计算和文档检索。此外,项目还提供了基于RoBERTa的变体,为不同需求的用户提供了选择。
simlm-msmarco-reranker - SimLM预训练的高性能密集段落检索模型
GithubHuggingfaceSimLM信息检索密集段落检索开源项目模型自然语言处理预训练模型
simlm-msmarco-reranker模型采用简单的瓶颈架构,通过自监督预训练压缩段落信息。在MS-MARCO等数据集上表现优异,超越ColBERTv2等多向量方法。该模型仅需无标签语料库即可训练,适用于缺乏标记数据的场景。研究人员可以使用此模型计算查询和段落的相关性得分,应用于信息检索和文本排序任务。
awesome-pretrained-models-for-information-retrieval - 信息检索领域预训练模型研究综述与最新进展
Github信息检索开源项目搜索引擎深度学习神经网络预训练模型
该项目汇集了信息检索领域预训练模型相关的重要论文资源。内容涵盖第一阶段检索、重排序、联合学习等核心技术,以及大语言模型应用和多模态检索等前沿主题。项目提供了全面的文献综述,有助于研究人员和从业者了解该领域的最新进展和发展方向。资源列表系统梳理了稀疏检索、密集检索等关键技术,为相关研究提供了宝贵的参考。
ms-marco-TinyBERT-L-2-v2 - MS Marco跨编码器模型实现高效文本检索与重排序
Cross-EncoderGithubHuggingfaceMS MarcoTransformers信息检索句子相似度开源项目模型
ms-marco-TinyBERT-L-2-v2是一款基于MS Marco Passage Ranking任务训练的跨编码器模型。该模型专注于信息检索和文本重排序,能够高效编码查询和文档段落并评估相关性。在TREC Deep Learning 2019和MS Marco数据集上表现卓越,NDCG@10达到69.84,MRR@10达到32.56。模型提供多个版本,在性能和速度间取得平衡,每秒可处理9000个文档,适用于不同应用场景。
bert-multilingual-passage-reranking-msmarco - BERT多语言文本重排序模型优化搜索效果
BERTGithubHuggingface多语言开源项目搜索引擎机器学习模型模型训练
这是一个支持100多种语言的BERT段落重排序模型,通过对搜索查询和文本段落的语义匹配分析,可将搜索结果相关性提升61%。模型在MS MARCO数据集上训练,可无缝集成到Elasticsearch中,适用于多语言搜索优化场景。实测表明,其在英语性能与单语模型相当,在德语等其他语言上表现更优。
vit-mae-large - MAE预训练的大型Vision Transformer模型
GithubHuggingfaceVision Transformer图像处理开源项目机器学习模型自编码器预训练模型
这是一个使用MAE方法预训练的大型Vision Transformer模型。通过随机遮挡75%的图像块进行自监督学习,该模型有效学习图像的内部表示。它可用于图像分类等下游视觉任务,采用masked autoencoder架构进行预训练。该模型由Facebook Research团队开发,基于ImageNet-1K数据集训练,适用于各种计算机视觉应用。
RetroRetro - 像素艺术生成模型,提升电影风格表现
DucHaitenRetroGithubHuggingfacePixel Artstable-diffusion图像生成复古风格开源项目模型
RetroRetro项目通过融合多种影像模型,引入DucHaitenRetro、Retro Diffusion和Stable Diffusion 1.5,提升像素艺术和电影风格图像的生成效果。在促发像素艺术风格时能高效生成,并在其他风格上亦有出色表现。用户可运用多样化提示语创作,展现热带岛屿或怀旧汽车等主题,平衡游戏与电影视觉效果。该项目为图像生成注入新活力,适合需高质量图形再现的用户。
mxbai-rerank-large-v1 - 基于Transformers的文本智能重排序模型
GithubHuggingfaceTransformers开源项目文本处理机器学习模型模型训练自然语言处理
mxbai-rerank-large-v1基于Transformers架构设计的文本重排序开源模型。通过对搜索结果进行智能重排序,改善检索系统的准确率。该模型支持跨语言处理,广泛应用于搜索引擎和问答系统,部署简单且性能稳定。
roberta-base - RoBERTa预训练语言模型用于多种自然语言处理任务
GithubHuggingfaceRoBERTa人工智能开源项目机器学习模型自然语言处理预训练模型
RoBERTa是基于Transformer架构的预训练语言模型,在大规模英文语料上使用掩码语言建模进行训练。它采用动态掩码和大批量训练等优化策略,在GLUE基准测试中表现出色。RoBERTa适用于序列分类、命名实体识别等任务的微调,能学习双向上下文表示,为NLP应用提供强大的特征提取能力。
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

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