Ruri v3是基于ModernBERT-Ja构建的通用日语文本嵌入模型，在日语文本嵌入任务中实现业界领先性能，支持长达8192个标记的序列。

Ruri v3 是一款基于 ModernBERT-Ja 构建的日语通用文本嵌入模型，在日语文本嵌入任务中达到最先进的性能，支持长达8192个标记的序列。

瑠璃v3是基于ModernBERT-Ja构建的日语通用文本嵌入模型，支持长达8192个标记的序列，在日语文本嵌入任务中达到最先进的性能。

基于ModernBERT-Ja构建的日语通用重排序模型，具有顶尖性能表现和长序列处理能力

基于ModernBERT架构优化的法律领域嵌入模型，支持多维度特征提取和句子相似度计算

mxbai-rerank-large-v2 是一个用于文本排序的基础模型，专注于提升搜索结果的相关性和准确性。

基于ModernBERT预训练架构的英语文本重排序模型，由阿里巴巴通义实验室开发，支持8192 tokens长文本处理。

瑠璃是一个日语通用文本嵌入模型，专注于句子相似度计算和特征提取，基于cl-nagoya/ruri-pt-small-v2基础模型训练。

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。

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。

NV-Retriever-v1 是一个检索模型，在 MTEB ArguAna 和 CQADupstackAndroidRetrieval 数据集上表现出色，具备高效的检索能力。

Snowflake Arctic Embed M v1.5 是一个高效的句子嵌入模型，专注于句子相似度计算和特征提取任务。

基于sentence-transformers/paraphrase-multilingual-mpnet-base-v2微调的阿拉伯语句子相似度模型，支持特征提取和训练生成

基于DeepPavlov/rubert-base-cased预训练模型，使用MS-MARCO俄语段落排序数据集微调的sentence-transformers模型，用于俄语的非对称语义搜索。

这是一个基于日语训练的Reranker（CrossEncoder）模型，用于文本相关性排序任务。

这是一个日语Reranker（交叉编码器）模型，用于文本排序任务，具有24层和1024隐藏层大小。

基于Bloomz-3b构建的跨语言重排序模型，用于衡量查询与上下文之间的语义相关性，支持法语和英语。

ACGE 文本嵌入模型是一个用于生成文本嵌入向量的模型，支持多种自然语言处理任务。

xiaobu-embedding是一个多任务嵌入模型，支持多种中文自然语言处理任务，包括文本相似度计算、分类、聚类和检索等。

GTE Large 中文模型是一个多语言文本嵌入模型，专注于中文文本的语义表示和相似度计算。

tao-8k-origin 是一个专注于句子相似度计算的模型，支持多种相似度度量方式，并在多个中文评测数据集上表现出色。