BAAI/bge-reranker-large
We have updated the new reranker(https://github.com/FlagOpen/FlagEmbedding/tree/master/FlagEmbedding/llmreranker), supporting larger lengths, more languages, and achieving better performance. FlagEmbedding Model List | FAQ | Usage | Evaluation | Trai...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#3 Repository Của Tháng
#3 Repository Của Tháng
#3 Repository Của Tháng
🚀 BGE Reranker: Công nghệ xếp hạng siêu cứng cho hệ thống RAG
Mô hình reranker dựa trên XLM-RoBERTa, tối ưu cho truy xuất đa ngôn ngữ và độ chính xác cực cao.
Dự án BAAI/bge-reranker-large là một phần của hệ sinh thái FlagEmbedding, được thiết kế để cải thiện bước xếp hạng lại (reranking) các tài liệu trả về từ mô hình embedding. Dựa trên kiến trúc XLM-RoBERTa mạnh mẽ, mô hình hỗ trợ đa ngôn ngữ (tiếng Anh, tiếng Trung, v.v.) và đạt hiệu suất xuất sắc trên nhiều bộ chuẩn đánh giá như C-MTEB, MMarco, T2Reranking.
✨ Điểm nổi bật
- Kiến trúc mạnh mẽ: Sử dụng XLM-RoBERTa làm nền tảng, tối ưu cho bài toán xếp hạng chéo (cross-encoder).
- Hỗ trợ đa ngôn ngữ: Xử lý hiệu quả cả tiếng Anh lẫn tiếng Trung, phù hợp cho ứng dụng đa ngôn ngữ.
- Hiệu năng cao: Đạt điểm số mạnh trên các bộ chuẩn như CMedQAv1, CMedQAv2, Mmarco, T2Reranking.
- Tích hợp dễ dàng: Hỗ trợ sử dụng thông qua thư viện Transformers và ONNX.
- Mã nguồn mở: Được phát hành dưới giấy phép MIT, dùng cho cả mục đích học thuật và thương mại.
💡 Vì sao đáng chú ý
Khác biệt với các mô hình embedding truyền thống, bge-reranker-large hoạt động như một bước tinh chỉnh cuối cùng, giúp sắp xếp lại danh sách tài liệu dựa trên độ liên quan ngữ nghĩa sâu hơn. Điều này đặc biệt hữu ích trong hệ thống truy xuất thông tin (RAG) nơi độ chính xác của kết quả tìm kiếm quyết định trực tiếp chất lượng câu trả lời.
#BAAI #FlagEmbedding #Reranker #XLM RoBERTa #RAG #MachineLearning #TiniX
Similar Projects
Discover other similar projects and AI models.
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License For more details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more langua...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License For more details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more langua...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
Cross-Encoder for MS Marco This model was trained on the MS Marco Passage Ranking(https://github.com/microsoft/MSMARCO-Passage-Ranking) task. The model can be used for Information Retrieval: Given a query, encode the query will all possible passages...
Multilingual-E5-large Multilingual E5 Text Embeddings: A Technical Report(https://arxiv.org/pdf/2402.05672). Liang Wang, Nan Yang, Xiaolong Huang, Linjun Yang, Rangan Majumder, Furu Wei, arXiv 2024 This model has 24 layers and the embedding size is...
We have updated the new reranker(https://github.com/FlagOpen/FlagEmbedding/tree/master/FlagEmbedding/llmreranker), supporting larger lengths, more languages, and achieving better performance. FlagEmbedding Model List | FAQ | Usage | Evaluation | Trai...
For more details please refer to our github repo: https://github.com/FlagOpen/FlagEmbedding BGE-M3 (paper(https://arxiv.org/pdf/2402.03216.pdf), code(https://github.com/FlagOpen/FlagEmbedding/tree/master/FlagEmbedding/BGEM3)) In this project, we intr...