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

这是一个基于阿里巴巴NLP/gte-modernbert-base微调的sentence-transformers模型，用于语义文本相似度计算，实现语义缓存功能。

基于BGE-M3微调的越南语嵌入模型，增强越南语检索能力

基于ModernBERT微调的法律领域句子嵌入模型，支持多层次维度输出，适用于法律文本相似度计算和信息检索任务。

基于ModernBERT预训练编码器的文本嵌入模型，支持8192 tokens长文本处理，在MTEB、LoCO和COIR等评估任务中表现优异。

Jina Embeddings V2 Base Code 是一个基于转换器架构的英文文本嵌入模型，专注于代码相关文本的特征提取和句子相似度计算。

Jina Embeddings V2 Base Code 是一个基于转换器架构的英文句子嵌入模型，专注于代码相关文本的特征提取和相似度计算。

基于FacebookAI/xlm-roberta-large微调的双语句子转换器模型，支持阿拉伯语和英语的语义文本相似度计算。

这是一个基于🤗 transformers的特征提取模型，具体功能和用途需要进一步信息补充。

MMLW（我必须得到更好的消息）是波兰语的神经文本编码器，针对信息检索任务进行了优化，能够将查询和段落转换为768维向量。

这是一个基于sentence-transformers的句子编码器模型，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和语义搜索等任务。

基于MPNet架构的句子嵌入模型，将文本映射到384维向量空间，适用于语义搜索和句子相似度任务

基于MPNet架构的句子嵌入模型，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任务

这是一个基于MPNet架构的句子嵌入模型，能将文本映射到768维向量空间，适用于语义搜索和句子相似度任务。