jinaai/jina-embeddings-v4
The embedding model trained by Jina AI. Jina Embeddings v4: Universal Embeddings for Multimodal Multilingual Retrieval GGUF(https://github.com/jina-ai/jina-embeddings-v4-gguf) | Blog(https://jina.ai/news/jina-embeddings-v4-universal-embeddings-for-m...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#2 Repository Của Tuần
#2 Repository Của Tuần
#3 Repository Của Tuần
🧠 Jina Embeddings v4: Nhúng mạnh cho truy xuất đa phương thức đa ngôn ngữ
Mô hình embedding đa phương thức (text + image) đa ngôn ngữ từ Jina AI, hỗ trợ truy xuất tài liệu hình ảnh phong phú.
Jina Embeddings v4 là một mô hình embedding đa năng được huấn luyện bởi Jina AI, được thiết kế đặc biệt cho truy xuất tài liệu phức tạp, bao gồm cả tài liệu giàu hình ảnh như biểu đồ, bảng và minh họa. Dựa trên nền tảng Qwen2.5-VL-3B-Instruct, mô hình hỗ trợ tạo embedding thống nhất cho văn bản, hình ảnh và tài liệu hình ảnh, đồng thời tương thích với cả truy xuất dạng dense (single-vector) và late-interaction (multi-vector).
✨ Điểm nổi bật
- Unified embeddings: Hỗ trợ embedding thống nhất cho text, image và visual documents.
- Multilingual support: Hỗ trợ 30+ ngôn ngữ và nhiều domain phức tạp.
- Task-specific adapters: Các bộ thích ứng riêng biệt cho retrieval, text-matching và code.
- Flexible embedding size: Kích thước embedding mặc định 2048 chiều, có thể thu nhỏ xuống 128 mà không mất hiệu suất.
- Hỗ trợ inference qua API, transformers và sentence-transformers.
- FlashAttention2: Tối ưu mecanisme attention cho tốc độ inference nhanh.
💡 Vì sao đáng chú ý
Jina Embeddings v4 nổi bật nhờ khả năng kết hợp xử lý ngôn ngữ tự nhiên và thị giác máy tính trong một mô hình duy nhất, phù hợp cho các ứng dụng như tìm kiếm tài liệu hình ảnh, truy xuất đa ngôn ngữ hoặc so khớp văn bản. Đặc biệt, mô hình hỗ trợ cơ chế late-interaction (multi-vector) giúp cải thiện độ chính xác trong các tác vụ truy xuất phức tạp.
#MultimodalEmbedding #MultilingualRetrieval #VisualDocumentRetrieval #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
The embedding model trained by Jina AI. Jina Embeddings v4: Universal Embeddings for Multimodal Multilingual Retrieval Original Model(https://huggingface.co/jinaai/jina-embeddings-v4) | Blog(https://jina.ai/news/jina-embeddings-v4-universal-embeddin...
llama-nemoretriever-colembed-3b-v1 Description The nvidia/llama-nemoretriever-colembed-3b-v1 is a late interaction embedding model fine-tuned for query-document retrieval. Users can input queries, which are text, or documents which are page images,...
Nemotron ColEmbed V2 🤗 8B |    🤗 4B |    🤗 3B   Model Overview Description The nvidia/nemotron-colembed-vl-4b-v2 is a state-of-the-art late interaction embedding model that ranks No. 3 in the ViDoRe V3: a comprehensive evaluat...
TomoroAI/tomoro-colqwen3-embed-4b ⚡ Executive Summary TomoroAI/tomoro-colqwen3-embed-4b is a state-of-the-art ColPali(https://arxiv.org/abs/2407.01449)-style multimodal embedding model. It maps text queries, visual documents (images, PDFs) or short...
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...
The embedding model trained by Jina AI. jina-embeddings-v3: Multilingual Embeddings With Task LoRA Quick Start Blog(https://jina.ai/news/jina-embeddings-v3-a-frontier-multilingual-embedding-model/parameter-dimensions) | Azure(https://azuremarketplac...
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,...
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...
ColNomic Embed Multimodal 7B: State-of-the-Art Visual Document Retrieval colnomic-embed-multimodal-7b is a multi-vector state-of-the-art multimodal embedding model that excels at visual document retrieval tasks: - High Performance: Achieves 62.7 NDC...