BAAI/bge-reranker-v2-m3
Reranker More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding/tree/master). - Model List(model-list) - Usage(usage) - Fine-tuning(fine-tune) - Evaluation(evaluation) - Citation(citation) Different from emb...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tháng
#1 Repository Của Ngày
#2 Repository Của Ngày
🔍 Reranker đa ngôn ngữ mạnh từ FlagEmbedding
Khác với mô hình embedding, reranker nhận trực tiếp câu hỏi và tài liệu để đưa ra điểm số liên quan.
Dự án bge-reranker-v2-m3 là một mô hình reranker nhẹ, dựa trên nền tảng bge-m3, hỗ trợ đa ngôn ngữ và dễ dàng triển khai với tốc độ suy diễn nhanh. Khác với các mô hình embedding thường chuyển đổi văn bản thành vector, reranker này nhận cặp câu hỏa và tài liệu đầu vào và trả về một điểm số cho biết mức độ liên quan giữa chúng. Điểm số này có thể được ánh xạ về giá trị trong khoảng [0,1] bằng hàm sigmoid thông qua tham số normalize=True.
✨ Điểm nổi bật
- Kiến trúc reranker: Nhận câu hỏi và tài liệu đầu vào, trả về điểm số liên quan thay vì vector nhúng.
- Hỗ trợ đa ngôn ngữ: Dựa trên bge-m3, phù hợp với cả ngữ cảnh đa ngôn ngữ.
- Tính năng normalize: Cung cấp tùy chọn ánh xạ điểm số về khoảng [0,1] bằng hàm sigmoid.
- Tốc độ nhanh: Sử dụng
use_fp16=Trueđể tăng tốc tính toán với chút giảm chất lượng. - Dễ tích hợp: Sử dụng thư viện FlagEmbedding để triển khai nhanhanh trong dự án.
- Hỗ trợ batch: Tính điểm số cho nhiều cặp câu hỏa/tài liệu cùng lúc.
💡 Vì sao đáng chú ý
Khác biệt so với các mô hình embedding truyền thống, reranker trực tiếp đưa ra điểm số liên quan, giúp cải thiện độ chính xác trong các nhiệm vụ như tìm kiếm thông tin, truy xuất tài liệu hoặc hệ thống gợ đề xuất. Với khả năng hỗ trợ đa ngôn ngữ và tích hợp dễ dàng qua FlagEmbedding, bge-reranker-v2-m3 là lựa chọn lý tưởng cho các ứng dụng cần xếp hạng lại kết quả tìm kiếm một cách hiệu quả và nhanh chóng.
#Reranker #BAAI #FlagEmbedding #TextClassification #TiniX
Similar Projects
Discover other similar projects and AI models.
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...
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...
Laya Laya is an open-source, non-autoregressive System 1 decision model: give it a state (text, email, ticket, or JSON document) and typed questions, and it returns typed answers with mathematically calibrated probabilities and confidence scores. It...
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...
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,...
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...
Model Card for T5 Small !model image(https://camo.githubusercontent.com/623b4dea0b653f2ad3f36c71ebfe749a677ac0a1/68747470733a2f2f6d69726f2e6d656469756d2e636f6d2f6d61782f343030362f312a44304a31674e51663876727255704b657944387750412e706e67) Table of Con...
all-mpnet-base-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using...