jinaai/jina-embeddings-v4-vllm-retrieval
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...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#1 Repository Của Tuần
🧠 Jina Embeddings v4: Nhúng đa phương thức đa ngôn ngữ chuẩn vLLM
Phiên bản vLLM-compatible của Jina Embeddings v4 với retrieval adapter gộp trực tiếp vào trọng lượng Qwen2.5-VL gốc.
Jina AI phát hành mô hình nhúng (embedding) đa phương thức đa ngôn ngữ Jina Embeddings v4, hỗ trợ truy xuất tài liệu thị giác (visual document retrieval). Phiên bản này tích hợp retrieval adapter vào trọng lượng Qwen2.5-VL, cho phép tương thích nguyên bản với vLLM mà không cần xử lý adapter tùy chỉnh.
✨ Điểm nổi bật
- Gộp retrieval adapter: Lưu trữ adapter trực tiếp trong trọng lượng mô hình, loại bỏ phụ thuộc phần mềm adapter riêng.
- Tương thích vLLM: Hỗ trợ inference qua framework vLLM mà không cần sửa đổi mã nguồn.
- Đa phương thức: Xử lý đồng thời văn bản truy vấn, văn bản đối chứng và hình ảnh.
- Đa ngôn ngữ: Hỗ trợ truy xuất đa ngôn ngữ thông qua MTEB.
- Truy xuất tài liệu thị giác: Tối ưu cho T→VD retrieval với Qwen2.5-VL.
- Lọc token thị giác: Tách token hình ảnh bằng Vision Start/End Token ID.
- Pooling & chuẩn hóa: Trung bình cộng và chuẩn hóa embedding đầu ra.
💡 Vì sao đáng chú ý
Khác với các mô hình nhúng thông thường chỉ xử lý văn bản, phiên bản này kết hợp trực tiếp retrieval adapter vào Qwen2.5-VL, giảm thiểu độ phức tạp triển khai. Phù hợp cho hệ thống truy xuất đa phương thức nơi cần đồng thời so sánh văn bản và hình ảnh.
#MultimodalEmbedding #vLLM #Qwen2.5VL #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 GGUF(https://github.com/jina-ai/jina-embeddings-v4-gguf) | Blog(https://jina.ai/news/jina-embeddings-v4-universal-embeddings-for-m...
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...
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...
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...
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...
ColNomic Embed Multimodal 3B: State-of-the-Art Visual Document Retrieval colnomic-embed-multimodal-3b is a multi-vector state-of-the-art multimodal embedding model that excels at visual document retrieval tasks: - High Performance: Achieves 61.2 NDC...