BAAI/bge-small-en-v1.5
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,...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tháng
#1 Repository Của Tháng
#1 Repository Của Tháng
🚀 bge-small-en-v1.5: Mô hình nhúng câu nhỏ nhưng mạnh
Một trong các mô hình BGE (Bidirectional Guided Encoder) do BAAI phát triển, tối ưu cho các tác vụ truy xuất thông tin và so sánh câu.
bge-small-en-v1.5 là một mô hình nhúng câu (sentence embedding) nhỏ gọn, được huấn luyện bởi BAAI (Beijing Academy of Artificial Intelligence). Nó được thiết kế để chuyển đổi câu hoặc đoạn văn thành vector đại diện, phù hợp cho các bài toán như truy xuất thông tin, phân loại văn bản, gom cụm, và đo độ tương tự ngữ nghĩa. Dù kích thước nhỏ, mô hình vẫn đạt hiệu suất ổn định trên nhiều bộ chuẩn đánh giá MTEB.
✨ Điểm nổi bật
- Kích thước nhỏ gọn: Chỉ với vài triệu tham số, dễ triển khai trên các thiết bị có tài nguyên hạn chế.
- Hỗ trợ truy xuất thông tin: Đạt kết quả tốt trên các bộ dữ liệu như ArguAna, CQADupstack.
- Đánh giá trên MTEB: Được kiểm chứng qua nhiều tác vụ như phân loại, gom cụm, STS, và reranking.
- Tương thích rộng rãi: Hỗ trợ sử dụng qua thư viện Transformers, Sentence-Transformers, ONNX, Safetensors.
- Tích hợp trong hệ sinh thái BERT: Xây dựng trên nền tảng kiến trúc BERT, dễ dàng tích hợp với các công cụ NLP hiện có.
💡 Vì sao đáng chú ý
bge-small-en-v1.5 nổi bật nhờ khả năng cân bằng giữa hiệu suất và hiệu năng tính toán. Dù là phiên bản nhỏ, mô hình vẫn duy trì độ chính xác cao trên nhiều tác vụ đa dạng như phân loại văn bản (Amazon Polarity, Banking77), truy xuất thông tin (ArguAna), hay đo độ tương đồng câu (BIOSSES). Điều này giúp mô hình trở thành lựa chọn lý tưởng cho các ứng dụng thời gian thực hoặc môi trường máy chủ nhẹ.
#SentenceTransformers #BERT #MTEB #FeatureExtraction #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
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...
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...
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...
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...
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...
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...
BERT base model (uncased) Pretrained model on English language using a masked language modeling (MLM) objective. It was introduced in this paper(https://arxiv.org/abs/1810.04805) and first released in this repository(https://github.com/google-resear...