日本語でトレーニングされた CrossEncoder リランクラーは xsmall (384) から large (1024) まであり、さらに BGE‑v2‑m3‑v1 モデルも含まれます。ファインチューニング、推論、JQaRA、JaCWIR、MIRACL、JSQuAD のベンチマークスコアの例コードが付属しています。
他の言語の説明
統計
2026年11月16日時点の統計
Hugging Face のダウンロード数(直近30日)
156,000
Hugging Face の Like 数
5
掲載日
2024年5月13日
ダウンロード数(直近30日)の推移
数値を表で見る
| 月 | DL(30日) |
|---|---|
| 2025年12月 | 10,000 |
| 2026年1月 | 9,000 |
| 2026年2月 | 2,000 |
| 2026年3月 | 67,000 |
| 2026年4月 | 675,000 |
| 2026年5月 | 230,000 |
| 2026年6月 | 348,000 |
| 2026年7月 | 235,000 |
| 2026年8月 | 73,000 |
| 2026年9月 | 6,000 |
| 2026年10月 | 95,000 |
| 2026年11月 | 156,000 |
各月の最後のスナップショットにおける、直近30日間のダウンロード数です。
同じカテゴリで人気のリソース
- ruri-v3-reranker-310mcl-nagoya137kRuri‑v3 Reranker は、ModernBERT‑Ja をベースにした堅牢な日本語テキストリランカーで、最大 8,192 トークンのシーケンス、100k トークンの語彙、FlashAttention および SentencePiece tokenizer をサポートし、sentence‑transformers 経由で使用できます。
- japanese-reranker-xsmall-v2hotchpotch28k高速で軽量な日本語 Reranker v2 モデル(tiny、xsmall、small、base)は、ベンチマークスコアと GPU スピードを備え、sentence_transformers CrossEncoder と transformers ≥ v4.48 で使用でき、flash‑attn で高速化も可能です。また、CPU/ARM 用に ONNX/quantized フォーマットでも利用可能です。
- japanese-reranker-cross-encoder-xsmall-v1hotchpotch16kJapanese CrossEncoderリランカーモデルは、xsmall から large(BGE を含む)まであり、JQaRA、JaCWIR、MIRACL、JSQuAD で評価済み。sentence_transformers と HuggingFace 用の、すぐに利用可能な統合例も用意されています。
- ruri-reranker-smallcl-nagoya3kSentence Transformers(クロスエンコーダー)で構築された日本語リランカー モデルは、trust_remote_code を介してロードでき、JQaRA、JaCWIR、およびMIRACL データセットでベンチマークされ、hotchpotch 組織から小〜大サイズで入手可能です。
- japanese-reranker-tiny-v2hotchpotch2kコンパクトで高速な日本語リランカーライブラリ(v2)は、tiny-through-base および cross-encoder モデルを提供し、詳細なレイテンシと精度統計を備え、Transformers ≥ 4.48(オプションで Flash‑Attention 2)を必要とし、CPU/ARM デプロイメント向けに ONNX/quantization をサポートします。
- japanese-reranker-small-v2hotchpotch2kJapanese‑reranker‑small‑v2は、軽量で高速な日本語リランクモデルシリーズ(v2)です。tiny〜baseバリアントを提供し、平均スコア0.89まで達し、2〜15秒のGPU推論で実行できます。さらにクロスエンコーダオプションも利用可能です。加速のためにオプションでFlash Attention 2を使用できるHugging Face Transformers v4.48+が必要です。
研究分野が近いリソース
- Llama-3.1-Swallow-8B-Instruct-v0.3tokyotech-llm5kLlama 3.1 Swallowは、継続的なプレトレーニングと日本語特有のインストラクションファインチューニングで訓練された8B / 70B Llama 3.1モデルの日本語強化シリーズです。最新の8B‑Instruct‑v0.3は、日本語MT‑Benchで最先端の結果を示しています。共通: 言語モデル
- Llama-3-ELYZA-JP-8Belyza4kLlama‑3‑ELYZA‑JP‑8B は、ELYZA によって開発された日本語強化版で、8 billion パラメータ(80億)を持つ Llama 3 モデルで、Meta‑Llama‑3‑8B‑Instruct 上で日本語用に微調整されています。共通: 言語モデル
swallow-evaluation-instructswallow-llm34Swallowプロジェクト 事後学習ずみ大規模言語モデル 評価フレームワークGitHub共通: 言語モデル
pretrained_doc2vec_jayagays25日本語のWikipediaに事前学習されたdoc2vecモデルGitHub共通: 言語モデル
pl-bert-jakyamauchi102324日本語音素レベルBERTのリポジトリGitHub共通: 言語モデル
heron-vlm-leaderboardwandb6このプロジェクトは、さまざまなビジョン言語モデル(VLMs)のパフォーマンスを評価および比較するためのベンチマークツールです。モデルのパフォーマンスを測定するために、LLaVA-Bench-In-the-WildとJapanese HERON Benchの2つのデータセットを使用しています。GitHub共通: 言語モデル