这是一个基于cross-encoder/ms-marco-MiniLM-L6-v2微调的交叉编码器模型，主要用于文本重排序和语义搜索任务。

MiniCOIL是一种稀疏的上下文化逐词嵌入模型，专为高效语义相似度计算设计

PyLate是一个基于ColBERT架构的句子相似度模型，采用Alibaba-NLP/gte-modernbert-base作为基础模型，通过蒸馏损失训练，适用于信息检索任务。

PLaMo-Embedding-1B是由Preferred Networks公司开发的日语文本嵌入模型，在日语文本嵌入基准测试中表现优异

这是一个基于ModernBERT-base微调的交叉编码器模型，用于文本重排序和语义搜索任务。

这是一个基于BERT微调的句子转换器模型，用于将句子和段落映射到768维向量空间，支持语义文本相似性、语义搜索等任务。

这是一个从ModernBERT-large微调而来的交叉编码器模型，用于计算文本对的分数，适用于文本重排序和语义搜索任务。

这是一个基于Apache-2.0许可证的越南语文本排序模型，主要用于处理越南语文本的排序任务。

这是一个从bert-tiny微调而来的交叉编码器模型，用于计算文本对的相似度分数，适用于语义文本相似度、语义搜索等任务。

rank1-32b是一个基于Qwen2.5-32B训练的信息检索重排序模型，通过生成推理链进行相关性判断

rank1是一个140亿参数的推理重排序模型，通过生成显式推理链再进行相关性判断，提高了信息检索任务的性能。

Hypencoder是一种用于信息检索的超网络模型，包含文本编码器和Hypencoder两部分，能够将文本转换为小型神经网络并输出相关性分数。

Hypencoder是一种用于信息检索的双编码器模型，包含文本编码器和超网络（Hypencoder），能够将文本转换为小型神经网络用于计算相关性分数。

一个轻量级的文本排序模型，适用于信息检索和文档排序任务。

该模型是基于ModernBERT-base微调的句子嵌入模型，专门用于句子相似度任务，支持英语文本处理。

高性能的阿拉伯语信息检索模型，基于sentence-transformers框架构建，针对阿拉伯语的丰富性和复杂性进行了优化。

专为阿拉伯语重排序任务设计的模型，能够精准处理查询与段落的相关性评估。

这是一个基于BERT架构的阿拉伯语重排序模型，专为阿拉伯语文本相关性排序任务优化

这是一个基于BERT架构的阿拉伯语重排序模型，专为阿拉伯文本设计，通过评分和排序文本选项来执行重排序任务。

LLM2Vec是一种将仅解码器的大语言模型转换为文本编码器的简单方法，通过启用双向注意力、掩码下一词预测和无监督对比学习实现。

这是一个基于BAAI/bge-reranker-v2-m3并进一步在大规模波兰语文本对数据集上微调的重排序模型，支持长上下文处理。

基于Gemma 2B架构的文本排序模型，提供多种量化版本以适应不同硬件需求

琉璃重排序器是一个日语通用重排序模型，基于Sentence Transformers架构，专门用于日语文本相关性排序任务。

日语通用重排序模型，用于提升日语文本检索的相关性排序效果

瑠璃重排序器是一个基于Transformer架构的日语文本重排序模型，专门用于优化检索结果的排序质量。

Ruri-Reranker是一个专门针对日语文本优化的重排序模型，基于sentence-transformers架构，能够有效提升检索结果的相关性排序。

琉璃重排序器是一个日语通用重排序模型，专门用于提升日语文本检索结果的相关性排序。

基于BAAI/bge-reranker-v2-m3模型，使用韩语数据微调后的文本排序模型

这是一个基于dunzhang/stella_en_1.5B_v5微调的sentence-transformers模型，用于生成句子和段落的1024维密集向量表示，适用于语义文本相似度、语义搜索等任务。

基于jina-embeddings-v2-base-en微调的挪威语句子嵌入模型，专注于关键词文档搜索和句子相似度任务

lightning-ir 是一个基于 ELECTRA 架构的交叉编码器模型，专门用于文本排序任务。

这是一个基于XLM-RoBERTa的法语交叉编码器模型，专门用于语义搜索中的段落重排序任务。

这是一个基于multilingual-e5-base的法语交叉编码器模型，专门用于段落重排序任务。

这是一个法语交叉编码器模型，专门用于语义搜索中的段落重排序任务。

Venusaur是基于Mihaiii/Bulbasaur基础模型开发的句子嵌入模型，专注于句子相似度和特征提取任务。

GTE-Large是一个高性能的英文文本嵌入模型，在多个文本相似度和分类任务上表现优异。

这是一个日语训练的Reranker（交叉编码器）模型，用于文本排序任务。

这是一个基于均方误差（MSE）蒸馏方法训练的波兰语文本排序模型，训练数据集包含140万条查询和1000万份文档的文本对。

这是一个采用RankNet损失函数训练的波兰文本排序模型，训练数据集包含140万条查询和1000万份文档组成的文本对。

这是一个轻量级丹麦语文本排序模型，基于英语MiniLM-L6模型适配而来，专门用于丹麦语信息检索任务。