S
Snowflake Arctic Embed L V2.0
由 Snowflake 开发
Snowflake Arctic Embed v2.0 是一个多语言句子嵌入模型，支持超过100种语言的文本特征提取和句子相似度计算。
下载量 231.00k
发布时间 : 11/8/2024
模型介绍
内容详情
替代品
模型简介
该模型专注于句子级别的特征提取和相似度计算，适用于多语言环境下的文本处理任务。
模型特点
多语言支持
支持超过100种语言的文本处理，包括主流语言和部分小众语言
高性能句子嵌入
在MTEB基准测试中表现出色，适用于多种NLP任务
多功能应用
可用于句子相似度、分类、聚类、检索等多种文本处理任务
模型能力
句子特征提取
文本相似度计算
多语言文本处理
文本分类
文本聚类
信息检索
使用案例
电子商务
产品评论分类
对亚马逊产品评论进行情感分析和分类
在MTEB亚马逊极性分类任务中准确率达到74.26%
反事实评论检测
识别亚马逊平台上的反事实评论
在MTEB亚马逊反事实分类任务中准确率达到67.04%
学术研究
论文聚类
对arXiv和BioRxiv论文进行主题聚类
在MTEB ArxivClusteringP2P任务中V度量达到43.97
问答系统
问答检索
在CQADupstack等技术问答平台上进行问题检索
在MTEB CQADupstackAndroidRetrieval任务中NDCG@10达到55.80
流水线标签: 句子相似度
标签:
- 句子转换器
- 特征提取
- 句子相似度
- MTEB
- Arctic
- Snowflake-Arctic-Embed
- Transformers.js
许可证: Apache-2.0
支持语言:
- 南非荷兰语
- 阿拉伯语
- 阿塞拜疆语
- 白俄罗斯语
- 保加利亚语
- 孟加拉语
- 加泰罗尼亚语
- 宿务语
- 捷克语
- 威尔士语
- 丹麦语
- 德语
- 希腊语
- 英语
- 西班牙语
- 爱沙尼亚语
- 巴斯克语
- 波斯语
- 芬兰语
- 法语
- 加利西亚语
- 古吉拉特语
- 希伯来语
- 印地语
- 克罗地亚语
- 海地克里奥尔语
- 匈牙利语
- 亚美尼亚语
- 印尼语
- 冰岛语
- 意大利语
- 日语
- 爪哇语
- 格鲁吉亚语
- 哈萨克语
- 高棉语
- 卡纳达语
- 韩语
- 吉尔吉斯语
- 老挝语
- 立陶宛语
- 拉脱维亚语
- 马其顿语
- 马拉雅拉姆语
- 蒙古语
- 马拉地语
- 马来语
- 缅甸语
- 尼泊尔语
- 荷兰语
- 旁遮普语
- 波兰语
- 葡萄牙语
- 克丘亚语
- 罗马尼亚语
- 俄语
- 僧伽罗语
- 斯洛伐克语
- 斯洛文尼亚语
- 索马里语
- 阿尔巴尼亚语
- 塞尔维亚语
- 瑞典语
- 斯瓦希里语
- 泰米尔语
- 泰卢固语
- 泰语
- 他加禄语
- 土耳其语
- 乌克兰语
- 乌尔都语
- 越南语
- 约鲁巴语
- 中文
模型索引:
- 名称: snowflake-arctic-embed-l-v2.0
结果:-
数据集:
配置: en-ext
名称: MTEB 亚马逊反事实分类 (en-ext)
版本: e8379541af4e31359cca9fbcf4b00f2671dba205
拆分: 测试集
类型: mteb/amazon_counterfactual
指标:- 类型: 准确率
值: 67.039 - 类型: F1分数
值: 55.1806 - 类型: 加权F1分数
值: 73.41149999999999 - 类型: 平均精度
值: 17.9914 - 类型: 加权平均精度
值: 17.9914 - 类型: 主要得分
值: 67.039
任务:
类型: 分类
- 类型: 准确率
-
数据集:
配置: en
名称: MTEB 亚马逊反事实分类 (en)
版本: e8379541af4e31359cca9fbcf4b00f2671dba205
拆分: 测试集
类型: mteb/amazon_counterfactual
指标:- 类型: 准确率
值: 65.59700000000001 - 类型: F1分数
值: 60.244299999999996 - 类型: 加权F1分数
值: 68.9975 - 类型: 平均精度
值: 29.762100000000004 - 类型: 加权平均精度
值: 29.762100000000004 - 类型: 主要得分
值: 65.59700000000001
任务:
类型: 分类
- 类型: 准确率
-
数据集:
配置: default
名称: MTEB 亚马逊极性分类 (默认)
版本: e2d317d38cd51312af73b3d32a06d1a08b442046
拆分: 测试集
类型: mteb/amazon_polarity
指标:- 类型: 准确率
值: 74.2565 - 类型: F1分数
值: 74.0291 - 类型: 加权F1分数
值: 74.0291 - 类型: 平均精度
值: 68.7595 - 类型: 加权平均精度
值: 68.7595 - 类型: 主要得分
值: 74.2565
任务:
类型: 分类
- 类型: 准确率
-
数据集:
配置: en
名称: MTEB 亚马逊评论分类 (en)
版本: 1399c76144fd37290681b995c656ef9b2e06e26d
拆分: 测试集
类型: mteb/amazon_reviews_multi
指标:- 类型: 准确率
值: 34.946 - 类型: F1分数
值: 34.2853 - 类型: 加权F1分数
值: 34.2853 - 类型: 主要得分
值: 34.946
任务:
类型: 分类
- 类型: 准确率
-
数据集:
配置: default
名称: MTEB ArguAna (默认)
版本: c22ab2a51041ffd869aaddef7af8d8215647e41a
拆分: 测试集
类型: mteb/arguana
指标:- 类型: NDCG@1
值: 33.286 - 类型: NDCG@3
值: 49.051 - 类型: NDCG@5
值: 54.107000000000006 - 类型: NDCG@10
值: 59.146 - 类型: NDCG@20
值: 60.897999999999996 - 类型: NDCG@100
值: 61.78399999999999 - 类型: NDCG@1000
值: 61.845000000000006 - 类型: MAP@1
值: 33.286 - 类型: MAP@3
值: 45.14 - 类型: MAP@5
值: 47.939 - 类型: MAP@10
值: 50.046 - 类型: MAP@20
值: 50.56 - 类型: MAP@100
值: 50.708 - 类型: MAP@1000
值: 50.712 - 类型: 召回率@1
值: 33.286 - 类型: 召回率@3
值: 60.38400000000001 - 类型: 召回率@5
值: 72.688 - 类型: 召回率@10
值: 88.122 - 类型: 召回率@20
值: 94.808 - 类型: 召回率@100
值: 99.21799999999999 - 类型: 召回率@1000
值: 99.644 - 类型: 精确率@1
值: 33.286 - 类型: 精确率@3
值: 20.128 - 类型: 精确率@5
值: 14.538 - 类型: 精确率@10
值: 8.812000000000001 - 类型: 精确率@20
值: 4.74 - 类型: 精确率@100
值: 0.992 - 类型: 精确率@1000
值: 0.1 - 类型: MRR@1
值: 33.926 - 类型: MRR@3
值: 45.3414 - 类型: MRR@5
值: 48.1828 - 类型: MRR@10
值: 50.270700000000005 - 类型: MRR@20
值: 50.7844 - 类型: MRR@100
值: 50.9259 - 类型: MRR@1000
值: 50.9294 - 类型: NAUC_NDCG@1_max
值: -10.305 - 类型: NAUC_NDCG@1_std
值: -15.674199999999999 - 类型: NAUC_NDCG@1_diff1
值: 18.6355 - 类型: NAUC_NDCG@3_max
值: -7.744 - 类型: NAUC_NDCG@3_std
值: -16.894000000000002 - 类型: NAUC_NDCG@3_diff1
值: 15.4469 - 类型: NAUC_NDCG@5_max
值: -6.4887 - 类型: NAUC_NDCG@5_std
值: -16.1382 - 类型: NAUC_NDCG@5_diff1
值: 13.8214 - 类型: NAUC_NDCG@10_max
值: -7.616499999999999 - 类型: NAUC_NDCG@10_std
值: -15.8073 - 类型: NAUC_NDCG@10_diff1
值: 13.7678 - 类型: NAUC_NDCG@20_max
值: -6.9801 - 类型: NAUC_NDCG@20_std
值: -15.068699999999998 - 类型: NAUC_NDCG@20_diff1
值: 14.2013 - 类型: NAUC_NDCG@100_max
值: -7.5221 - 类型: NAUC_NDCG@100_std
值: -15.417200000000001 - 类型: NAUC_NDCG@100_diff1
值: 15.1072 - 类型: NAUC_NDCG@1000_max
值: -7.6931 - 类型: NAUC_NDCG@1000_std
值: -15.5367 - 类型: NAUC_NDCG@1000_diff1
值: 15.001700000000001 - 类型: NAUC_MAP@1_max
值: -10.305 - 类型: NAUC_MAP@1_std
值: -15.674199999999999 - 类型: NAUC_MAP@1_diff1
值: 18.6355 - 类型: NAUC_MAP@3_max
值: -8.4505 - 类型: NAUC_MAP@3_std
值: -16.5487 - 类型: NAUC_MAP@3_diff1
值: 15.965599999999998 - 类型: NAUC_MAP@5_max
值: -7.8429 - 类型: NAUC_MAP@5_std
值: -16.1332 - 类型: NAUC_MAP@5_diff1
值: 15.0893 - 类型: NAUC_MAP@10_max
值: -8.3186 - 类型: NAUC_MAP@10_std
值: -15.979399999999998 - 类型: NAUC_MAP@10_diff1
值: 15.136199999999999 - 类型: NAUC_MAP@20_max
值: -8.1697 - 类型: NAUC_MAP@20_std
值: -15.8241 - 类型: NAUC_MAP@20_diff1
值: 15.260599999999998 - 类型: NAUC_MAP@100_max
值: -8.2285 - 类型: NAUC_MAP@100_std
值: -15.8624 - 类型: NAUC_MAP@100_diff1
值: 15.412600000000001 - 类型: NAUC_MAP@1000_max
值: -8.2359 - 类型: NAUC_MAP@1000_std
值: -15.867 - 类型: NAUC_MAP@1000_diff1
值: 15.408 - 类型: NAUC_召回率@1_max
值: -10.305 - 类型: NAUC_召回率@1_std
值: -15.674199999999999 - 类型: NAUC_召回率@1_diff1
值: 18.6355 - 类型: NAUC_召回率@3_max
值: -5.5097 - 类型: NAUC_召回率@3_std
值: -17.9896 - 类型: NAUC_召回率@3_diff1
值: 13.9525 - 类型: NAUC_召回率@5_max
值: -0.9383 - 类型: NAUC_召回率@5_std
值: -16.035 - 类型: NAUC_召回率@5_diff1
值: 8.8431 - 类型: NAUC_召回率@10_max
值: -2.8548 - 类型: NAUC_召回率@10_std
值: -14.1203 - 类型: NAUC_召回率@10_diff1
值: 3.2265 - 类型: NAUC_召回率@20_max
值: 14.2043 - 类型: NAUC_召回率@20_std
值: 2.1298999999999997 - 类型: NAUC_召回率@20_diff1
值: -1.9900000000000002 - 类型: NAUC_召回率@100_max
值: 44.0173 - 类型: NAUC_召回率@100_std
值: 42.131800000000005 - 类型: NAUC_召回率@100_diff1
值: 29.9983 - 类型: NAUC_召回率@1000_max
值: 25.9434 - 类型: NAUC_召回率@1000_std
值: 53.9252 - 类型: NAUC_召回率@1000_diff1
值: -0.9778 - 类型: NAUC_精确率@1_max
值: -10.305 - 类型: NAUC_精确率@1_std
值: -15.674199999999999 - 类型: NAUC_精确率@1_diff1
值: 18.6355 - 类型: NAUC_精确率@3_max
值: -5.5097 - 类型: NAUC_精确率@3_std
值: -17.9896 - 类型: NAUC_精确率@3_diff1
值: 13.9525 - 类型: NAUC_精确率@5_max
值: -0.9383 - 类型: NAUC_精确率@5_std
值: -16.035 - 类型: NAUC_精确率@5_diff1
值: 8.8431 - 类型: NAUC_精确率@10_max
值: -2.8548 - 类型: NAUC_精确率@10_std
值: -14.1203 - 类型: NAUC_精确率@10_diff1
值: 3.2265 - 类型: NAUC_精确率@20_max
值: 14.2043 - 类型: NAUC_精确率@20_std
值: 2.1298999999999997 - 类型: NAUC_精确率@20_diff1
值: -1.9900000000000002 - 类型: NAUC_精确率@100_max
值: 44.0173 - 类型: NAUC_精确率@100_std
值: 42.131800000000005 - 类型: NAUC_精确率@100_diff1
值: 29.9983 - 类型: NAUC_精确率@1000_max
值: 25.9434 - 类型: NAUC_精确率@1000_std
值: 53.9252 - 类型: NAUC_精确率@1000_diff1
值: -0.9778 - 类型: NAUC_MRR@1_max
值: -9.833 - 类型: NAUC_MRR@1_std
值: -14.8351 - 类型: NAUC_MRR@1_diff1
值: 16.7604 - 类型: NAUC_MRR@3_max
值: -9.0116 - 类型: NAUC_MRR@3_std
值: -16.296 - 类型: NAUC_MRR@3_diff1
值: 14.178199999999999 - 类型: NAUC_MRR@5_max
值: -8.308300000000001 - 类型: NAUC_MRR@5_std
值: -15.751999999999999 - 类型: NAUC_MRR@5_diff1
值: 13.306299999999998 - 类型: NAUC_MRR@10_max
值: -8.7962 - 类型: NAUC_MRR@10_std
值: -15.688099999999999 - 类型: NAUC_MRR@10_diff1
值: 13.2589 - 类型: NAUC_MRR@20_max
值: -8.6773 - 类型: NAUC_MRR@20_std
值: -15.479499999999998 - 类型: NAUC_MRR@20_diff1
值: 13.354 - 类型: NAUC_MRR@100_max
值: -8.7533 - 类型: NAUC_MRR@100_std
值: -15.553600000000001 - 类型: NAUC_MRR@100_diff1
值: 13.4796 - 类型: NAUC_MRR@1000_max
值: -8.7608 - 类型: NAUC_MRR@1000_std
值: -15.5582 - 类型: NAUC_MRR@1000_diff1
值: 13.4748 - 类型: 主要得分
值: 59.146
任务:
类型: 检索
- 类型: NDCG@1
-
数据集:
配置: default
名称: MTEB ArxivClusteringP2P (默认)
版本: a122ad7f3f0291bf49cc6f4d32aa80929df69d5d
拆分: 测试集
类型: mteb/arxiv-clustering-p2p
指标:- 类型: V度量
值: 43.9715 - 类型: V度量标准差
值: 13.4325 - 类型: 主要得分
值: 43.9715
任务:
类型: 聚类
- 类型: V度量
-
数据集:
配置: default
名称: MTEB ArxivClusteringS2S (默认)
版本: f910caf1a6075f7329cdf8c1a6135696f37dbd53
拆分: 测试集
类型: mteb/arxiv-clustering-s2s
指标:- 类型: V度量
值: 34.775800000000004 - 类型: V度量标准差
值: 13.922799999999999 - 类型: 主要得分
值: 34.775800000000004
任务:
类型: 聚类
- 类型: V度量
-
数据集:
配置: default
名称: MTEB AskUbuntuDupQuestions (默认)
版本: 2000358ca161889fa9c082cb41daa8dcfb161a54
拆分: 测试集
类型: mteb/askubuntudupquestions-reranking
指标:- 类型: MAP
值: 63.3521 - 类型: MRR
值: 77.5965 - 类型: nAUC_map_max
值: 21.2353 - 类型: nAUC_map_std
值: 17.002100000000002 - 类型: nAUC_map_diff1
值: 3.8135000000000003 - 类型: nAUC_mrr_max
值: 35.058299999999996 - 类型: nAUC_mrr_std
值: 20.432 - 类型: nAUC_mrr_diff1
值: 9.2584 - 类型: 主要得分
值: 63.3521
任务:
类型: 重排序
- 类型: MAP
-
数据集:
配置: default
名称: MTEB BIOSSES (默认)
版本: d3fb88f8f02e40887cd149695127462bbcf29b4a
拆分: 测试集
类型: mteb/biosses-sts
指标:- 类型: 皮尔逊相关系数
值: 89.8072 - 类型: 斯皮尔曼相关系数
值: 87.2875 - 类型: 余弦皮尔逊相关系数
值: 89.8072 - 类型: 余弦斯皮尔曼相关系数
值: 87.2875 - 类型: 曼哈顿皮尔逊相关系数
值: 87.9173 - 类型: 曼哈顿斯皮尔曼相关系数
值: 86.7327 - 类型: 欧几里得皮尔逊相关系数
值: 88.21600000000001 - 类型: 欧几里得斯皮尔曼相关系数
值: 87.2875 - 类型: 主要得分
值: 87.2875
任务:
类型: STS
- 类型: 皮尔逊相关系数
-
数据集:
配置: default
名称: MTEB Banking77Classification (默认)
版本: 0fd18e25b25c072e09e0d92ab615fda904d66300
拆分: 测试集
类型: mteb/banking77
指标:- 类型: 准确率
值: 81.8149 - 类型: F1分数
值: 81.2226 - 类型: 加权F1分数
值: 81.2226 - 类型: 主要得分
值: 81.8149
任务:
类型: 分类
- 类型: 准确率
-
数据集:
配置: default
名称: MTEB BiorxivClusteringP2P (默认)
版本: 65b79d1d13f80053f67aca9498d9402c2d9f1f40
拆分: 测试集
类型: mteb/biorxiv-clustering-p2p
指标:- 类型: V度量
值: 35.0927 - 类型: V度量标准差
值: 0.7048 - 类型: 主要得分
值: 35.0927
任务:
类型: 聚类
- 类型: V度量
-
数据集:
配置: default
名称: MTEB BiorxivClusteringS2S (默认)
版本: 258694dd0231531bc1fd9de6ceb52a0853c6d908
拆分: 测试集
类型: mteb/biorxiv-clustering-s2s
指标:- 类型: V度量
值: 30.220999999999997 - 类型: V度量标准差
值: 1.107 - 类型: 主要得分
值: 30.220999999999997
任务:
类型: 聚类
- 类型: V度量
-
数据集:
配置: default
名称: MTEB CQADupstackAndroidRetrieval (默认)
版本: f46a197baaae43b4f621051089b82a364682dfeb
拆分: 测试集
类型: mteb/cqadupstack-android
指标:- 类型: NDCG@1
值: 44.349 - 类型: NDCG@3
值: 50.109 - 类型: NDCG@5
值: 52.88699999999999 - 类型: NDCG@10
值: 55.799 - 类型: NDCG@20
值: 57.589999999999996 - 类型: NDCG@100
值: 60.539 - 类型: NDCG@1000
值: 61.897000000000006 - 类型: MAP@1
值: 36.230000000000004 - 类型: MAP@3
值: 44.929 - 类型: MAP@5
值: 47.191 - 类型: MAP@10
值: 48.88 - 类型: MAP@20
值: 49.685 - 类型: MAP@100
值: 50.327 - 类型: MAP@1000
值: 50.431000000000004 - 类型: 召回率@1
值: 36.230000000000004 - 类型: 召回率@3
值: 53.173 - 类型: 召回率@5
值: 60.35 - 类型: 召回率@10
值: 69.07 - 类型: 召回率@20
值: 75.371 - 类型: 召回率@100
值: 88.736 - 类型: 召回率@1000
值: 96.75399999999999 - 类型: 精确率@1
值: 44.349 - 类型: 精确率@3
值: 23.748 - 类型: 精确率@5
值: 17.368 - 类型: 精确率@10
值: 10.629 - 类型: 精确率@20
值: 6.152 - 类型: 精确率@100
值: 1.6150000000000002 - 类型: 精确率@1000
值: 0.201 - 类型: MRR@1
值: 44.3491 - 类型: MRR@3
值: 52.0744 - 类型: MRR@5
值: 53.9628 - 类型: MRR@10
值: 54.9072 - 类型: MRR@20
值: 55.19539999999999 - 类型: MRR@100
值: 55.4537 - 类型: MRR@1000
值: 55.4787 - 类型: NAUC_NDCG@1_max
值: 36.404599999999995 - 类型: NAUC_NDCG@1_std
值: -4.5556 - 类型: NAUC_NDCG@1_diff1
值: 57.4025 - 类型: NAUC_NDCG@3_max
值: 38.0347 - 类型: NAUC_NDCG@3_std
值: -2.2339 - 类型: NAUC_NDCG@3_diff1
值: 50.9146 - 类型: NAUC_NDCG@5_max
值: 38.2927 - 类型: NAUC_NDCG@5_std
值: -2.3645 - 类型: NAUC_NDCG@5_diff1
值: 51.638 - 类型: NAUC_NDCG@10_max
值: 38.4619 - 类型: NAUC_NDCG@10_std
值: -2.8955 - 类型: NAUC_NDCG@10_diff1
值: 51.35849999999999 - 类型: NAUC_NDCG@20_max
值: 38.2122 - 类型: NAUC_NDCG@20_std
值: -1.9339 - 类型: NAUC_NDCG@20_diff1
值: 50.4981 - 类型: NAUC_NDCG@100_max
值: 39.380900000000004 - 类型: NAUC_NDCG@100_std
值: -0.21889999999999998 - 类型: NAUC_NDCG@100_diff1
值: 51.5696 - 类型: NAUC_NDCG@1000_max
值: 38.9069 - 类型: NAUC_NDCG@1000_std
值: -0.8251 - 类型: NAUC_NDCG@1000_diff1
值: 51.605500000000006 - 类型: NAUC_MAP@1_max
值: 31.694 - 类型: NAUC_MAP@1_std
值: -4.2857 - 类型: NAUC_MAP@1_diff1
值: 57.991400000000006 - 类型: NAUC_MAP@3_max
值: 36.115399999999994 - 类型: NAUC_MAP@3_std
值: -3.9859999999999998 - 类型: NAUC_MAP@3_diff1
值: 52.394 - 类型: NAUC_MAP@5_max
值: 36.896499999999996 - 类型: NAUC_MAP@5_std
值: -3.6282 - 类型: NAUC_MAP@5_diff1
值: 52.7023 - 类型: NAUC_MAP@10_max
值: 37.2695 - 类型: NAUC_MAP@10_std
值: -3.7142 - 类型: NAUC_MAP@10_diff1
值: 52.6081 - 类型: NAUC_MAP@20_max
值: 37.4097 - 类型: NAUC_MAP@20_std
值: -3.0479 - 类型: NAUC_MAP@20_diff1
值: 52.2999 - 类型: NAUC_MAP@100_max
值: 37.6608 - 类型: NAUC_MAP@100_std
值: -2.7363999999999997 - 类型: NAUC_MAP@100_diff1
值: 52.5068 - 类型: NAUC_MAP@1000_max
值: 37.6406 - 类型: NAUC_MAP@1000_std
值: -2.7695000000000003 - 类型: NAUC_MAP@1000_diff1
值: 52.5091 - 类型: NAUC_召回率@1_max
值: 31.694 - 类型: NAUC_召回率@1_std
值: -4.2857 - 类型: NAUC_召回率@1_diff1
值: 57.991400000000006 - 类型: NAUC_召回率@3_max
值: 35.9705 - 类型: NAUC_召回率@3_std
值: -2.78 - 类型: NAUC_召回率@3_diff1
值: 44.2342 - 类型: NAUC_召回率@5_max
值: 36.3608 - 类型: NAUC_召回率@5_std
值: -1.8541999999999998 - 类型: NAUC_召回率@5_diff1
值: 45.0955 - 类型: NAUC_召回率@10_max
值: 35.7364 - 类型: NAUC_召回率@10_std
值: -3.2479 - 类型: NAUC_召回率@10_diff1
值: 42.3031 - 类型: NAUC_召回率@20_max
值: 34.7814 - 类型: NAUC_召回率@20_std
值: 0.7642 - 类型: NAUC_召回率@20_diff1
值: 37.3357 - 类型: NAUC_召回率@100_max
值: 49.1721 - 类型: NAUC_召回率@100_std
值: 27.8334 - 类型: NAUC_召回率@100_diff1
值: 39.549 - 类型: NAUC_召回率@1000_max
值: 59.516400000000004 - 类型: NAUC_召回率@1000_std
值:
- 类型: NDCG@1
-
Jina Embeddings V3
Jina Embeddings V3 是一个多语言句子嵌入模型，支持超过100种语言，专注于句子相似度和特征提取任务。
文本嵌入
Transformers
Transformers 支持多种语言
J
jinaai
3.7M
911
Ms Marco MiniLM L6 V2
Apache-2.0
基于MS Marco段落排序任务训练的交叉编码器模型，用于信息检索中的查询-段落相关性评分
文本嵌入
英语
M
cross-encoder
2.5M
86
Opensearch Neural Sparse Encoding Doc V2 Distill
Apache-2.0
基于蒸馏技术的稀疏检索模型，专为OpenSearch优化，支持免推理文档编码，在搜索相关性和效率上优于V1版本
文本嵌入 Transformers
Transformers 英语
O
opensearch-project
1.8M
7
Sapbert From PubMedBERT Fulltext
Apache-2.0
基于PubMedBERT的生物医学实体表征模型，通过自对齐预训练优化语义关系捕捉
文本嵌入
英语
S
cambridgeltl
1.7M
49
Gte Large
MIT
GTE-Large 是一个强大的句子转换器模型，专注于句子相似度和文本嵌入任务，在多个基准测试中表现出色。
文本嵌入
英语
G
thenlper
1.5M
278
Gte Base En V1.5
Apache-2.0
GTE-base-en-v1.5 是一个英文句子转换器模型，专注于句子相似度任务，在多个文本嵌入基准测试中表现优异。
文本嵌入 Transformers
Transformers 支持多种语言
G
Alibaba-NLP
1.5M
63
Gte Multilingual Base
Apache-2.0
GTE Multilingual Base 是一个多语言的句子嵌入模型，支持超过50种语言，适用于句子相似度计算等任务。
文本嵌入 Transformers
Transformers 支持多种语言
G
Alibaba-NLP
1.2M
246
Polybert
polyBERT是一个化学语言模型，旨在实现完全由机器驱动的超快聚合物信息学。
文本嵌入 Transformers
TransformersP
kuelumbus
1.0M
5
Bert Base Turkish Cased Mean Nli Stsb Tr
Apache-2.0
基于土耳其语BERT的句子嵌入模型，专为语义相似度任务优化
文本嵌入 Transformers
Transformers 其他
B
emrecan
1.0M
40
GIST Small Embedding V0
MIT
基于BAAI/bge-small-en-v1.5模型微调的文本嵌入模型，通过MEDI数据集与MTEB分类任务数据集训练，优化了检索任务的查询编码能力。
文本嵌入
Safetensors
Safetensors 英语
G
avsolatorio
945.68k
29
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型 Transformers
Transformers 支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。
对话系统 Transformers
Transformers 英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
AIbase是一个专注于MCP服务的平台，为AI开发者提供高质量的模型上下文协议服务，助力AI应用开发。
简体中文