Ruri是基于ModernBERT-Ja构建的日语通用文本嵌入模型，提供不同参数规模的版本，适用于多种文本处理任务。

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。

NoInstruct小型嵌入模型v0是一种改进的嵌入模型，专注于提升检索任务性能，同时保持对任意指令编码的独立性。

基于sentence-transformers的句子嵌入模型，可将文本映射到384维向量空间，适用于语义搜索和文本相似度计算

通用文本嵌入（GTE）模型的GGUF格式版本，适用于信息检索、语义文本相似度等任务。

这是一个基于sentence-transformers的句子嵌入模型，可将文本映射到768维向量空间，适用于语义搜索和聚类任务。

GTE-Base 是一个通用的文本嵌入模型，能够将文本转换为高维向量表示，适用于文本分类和相似性搜索任务。

GTE-Large是一个基于ONNX移植的文本嵌入模型，适用于文本分类和相似性搜索任务。

这是一个基于sentence-transformers的韩语句子嵌入模型，能将句子和段落映射到768维的密集向量空间，适用于聚类或语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于句子相似度计算、语义搜索等任务。

这是一个基于sentence-transformers的模型，能将句子和段落映射到768维的密集向量空间，适用于聚类或语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到256维的密集向量空间，适用于句子相似度计算、聚类和语义搜索等任务。

这是一个基于sentence-transformers的句子相似度模型，可将文本映射到384维向量空间，用于语义搜索和聚类任务。

这是一个基于sentence-transformers的句子嵌入模型，可将文本映射到768维向量空间，适用于语义相似度和特征提取任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到384维的密集向量空间，适用于句子相似度计算、语义搜索等任务。

这是一个基于sentence-transformers的模型，能将句子和段落映射到512维的密集向量空间，适用于聚类或语义搜索等任务。

这是multilingual-e5-small的量化版本，通过逐层量化优化了推理性能，同时保持了原始模型的大部分质量。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于聚类或语义搜索等任务。

这是一个基于sentence-transformers的模型，能将句子和段落映射到384维的密集向量空间，适用于聚类或语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于句子相似度计算、聚类和语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于聚类或语义搜索等任务。

这是intfloat/multilingual-e5-large模型的词汇表剪枝版本，仅保留俄语和英语词元，保持了原版模型的性能表现。

这是一个基于sentence-transformers的句子嵌入模型，能够将句子和段落映射到768维的向量空间，适用于语义搜索和聚类等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于句子相似度计算、聚类和语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，用于句子相似度计算和语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于聚类和语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到384维的密集向量空间，适用于聚类或语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于句子相似度计算、聚类和语义搜索等任务。

这是一个基于sentence-transformers的句子嵌入模型，能够将文本转换为768维的向量表示，适用于语义相似度计算等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于句子相似度计算、语义搜索等任务。

这是一个基于sentence-transformers的句子嵌入模型，能够将文本转换为384维的向量表示。

DRAGON+ 是一个基于BERT架构的密集检索模型，采用非对称双编码器架构，适用于文本检索任务。

一个基于Transformer架构的文本排序模型，用于对句子或段落进行相关性排序。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，用于句子相似度计算和语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，用于句子相似度计算、聚类和语义搜索等任务。

这是一个基于sentence-transformers的句子嵌入模型，可将文本映射到768维向量空间，适用于语义搜索和文本相似度计算等任务。

这是一个基于sentence-transformers的模型，能将句子和段落映射到64维的密集向量空间，适用于聚类或语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于句子相似度计算、语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于句子相似度计算、语义搜索等任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于聚类和语义搜索等任务。