许可证: mit
语言:

• 英文
• 中文

标签:

• mteb
• llama-cpp
• gguf-my-repo

管道标签: 特征提取
基础模型: BAAI/bge-reranker-large

模型索引:

• 名称: bge-reranker-base
  结果:
  • 任务:
    类型: 重排序
    数据集:
    名称: MTEB CMedQAv1
    类型: C-MTEB/CMedQAv1-reranking
    配置: 默认
    分割: 测试
    修订: 无
    指标:
    • 类型: map
      值: 81.27206722525007
    • 类型: mrr
      值: 84.14238095238095
  • 任务:
    类型: 重排序
    数据集:
    名称: MTEB CMedQAv2
    类型: C-MTEB/CMedQAv2-reranking
    配置: 默认
    分割: 测试
    修订: 无
    指标:
    • 类型: map
      值: 84.10369934291236
    • 类型: mrr
      值: 86.79376984126984
  • 任务:
    类型: 重排序
    数据集:
    名称: MTEB MMarcoReranking
    类型: C-MTEB/Mmarco-reranking
    配置: 默认
    分割: 开发
    修订: 无
    指标:
    • 类型: map
      值: 35.4600511272538
    • 类型: mrr
      值: 34.60238095238095
  • 任务:
    类型: 重排序
    数据集:
    名称: MTEB T2Reranking
    类型: C-MTEB/T2Reranking
    配置: 默认
    分割: 开发
    修订: 无
    指标:
    • 类型: map
      值: 67.27728847727172
    • 类型: mrr
      值: 77.1315192743764

DrRos/bge-reranker-large-Q4_K_M-GGUF

此模型是通过 llama.cpp 使用 ggml.ai 的 GGUF-my-repo 空间从 BAAI/bge-reranker-large 转换而来的 GGUF 格式模型。
有关模型的更多详情，请参考原始模型卡片。

与 llama.cpp 一起使用

通过 brew 安装 llama.cpp（适用于 Mac 和 Linux）

brew install llama.cpp  

调用 llama.cpp 服务器或 CLI。

CLI:

llama-cli --hf-repo DrRos/bge-reranker-large-Q4_K_M-GGUF --hf-file bge-reranker-large-q4_k_m.gguf -p "生命和宇宙的意义是"  

服务器:

llama-server --hf-repo DrRos/bge-reranker-large-Q4_K_M-GGUF --hf-file bge-reranker-large-q4_k_m.gguf -c 2048  

注意：你也可以直接通过 Llama.cpp 仓库中列出的使用步骤使用此检查点。

步骤 1：从 GitHub 克隆 llama.cpp。

git clone https://github.com/ggerganov/llama.cpp  

步骤 2：进入 llama.cpp 文件夹并使用 LLAMA_CURL=1 标志以及其他硬件特定标志（例如：Linux 上 Nvidia GPU 的 LLAMA_CUDA=1）构建。

cd llama.cpp && LLAMA_CURL=1 make  

步骤 3：通过主二进制文件运行推理。

./llama-cli --hf-repo DrRos/bge-reranker-large-Q4_K_M-GGUF --hf-file bge-reranker-large-q4_k_m.gguf -p "生命和宇宙的意义是"  

或

./llama-server --hf-repo DrRos/bge-reranker-large-Q4_K_M-GGUF --hf-file bge-reranker-large-q4_k_m.gguf -c 2048