GLuCoSE v2 は CPU‑フレンドリーな日本語テキスト埋め込みモデルで、蒸留とマルチステージ対照学習によって微調整され、MIRACL や関連ベンチマークで同規模のモデルを上回る優れた意味的類似度と検索性能を提供します。
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)
6,000
Hugging Face の Like 数
24
掲載日
2024年9月23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 | 8,000 |
| 2026年1月 | 17,000 |
| 2026年2月 | 21,000 |
| 2026年3月 | 18,000 |
| 2026年4月 | 12,000 |
| 2026年5月 | 17,000 |
| 2026年6月 | 83,000 |
| 2026年7月 | 205,000 |
| 2026年8月 | 221,000 |
| 2026年9月 | 17,000 |
| 2026年10月 | 7,000 |
| 2026年11月 | 6,000 |
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-v3-310mcl-nagoya634kRuri v3 は、ModernBERT‑Ja をベースとした最先端の日本語テキスト埋め込みモデルで、最大8,192トークンの入力、100Kトークンの語彙、FlashAttention で加速された推論、および高速な sentence‑transformer での使用のための複数サイズバリアントをサポートします。
- plamo-embedding-1bpfnet486kPLaMo‑Embedding‑1B は、Preferred Networks が提供する日本語テキスト埋め込みモデルで、情報検索、分類、クラスタリングのために日本語テキストをベクトルに変換します。JMTEB ベンチマークで高い性能を示し、Apache v2.0 license の下で無料で利用できます。
- ruri-v3-30mcl-nagoya126kRuri v3 は、ModernBERT‑Ja をベースに構築された最先端の日本語テキスト埋め込みモデルで、最大 8,192 トークン、100 k‑トークン語彙、FlashAttention 加速、37 M から 315 M の複数サイズに対応しています。
- ruri-v3-130mcl-nagoya93kRuri v3は、ModernBERT‑Jaをベースに構築された最先端の日本語テキスト埋め込みモデルで、8192トークンまでのシーケンス、10万語の語彙、FlashAttentionに対応し、sentence‑transformers用に30 M〜310 Mパラメータのサイズでリリースされます。
- GLuCoSE-base-japkshatech31kGLuCoSEは、LUKEをベースに構築された日本語文埋め込みモデルであり、ウェブおよびNLI/検索データで訓練され、最大512トークンまでの768次元平均プールベクトルを出力します。類似度ベンチマークで0.864のSpearmanと0.818のPearsonを達成しています。
- ruri-v3-70mcl-nagoya14kRuri v3は、8192トークンまでの高性能日本語テキスト埋め込み、100kトークン語彙、FlashAttentionサポート、および30 m–310 mの複数モデルサイズを備え、sentence‑transformersを介した効率的な推論とファインチューニングを可能にします。
研究分野が近いリソース
- japanese-splade-v2hotchpotch4k高性能日本語 SPLADE v2 は、WebUI demo を通じてスパース‑ベクトル変換と推論を可能にし、YAST でトレーニングを行い、YASEM 埋め込みを提供し、JMTEB ベンチマーク結果を報告します。共通: 表現学習・意味的テキスト処理
wikipedia-passages-jawiki-embeddings-utilshotchpotch12wikipedia 日本語の文を、各種日本語の embeddings や faiss index へと変換するスクリプト等。GitHub共通: 表現学習・意味的テキスト処理- ruri-largecl-nagoya8kリリース準備済みのRuri v3日本語テキスト埋め込みモデル(30m–310m)のコレクションで、SentenceTransformerの使用ヒント、クエリ/パッセージプレフィックス、JMTEBベンチマーク結果を含み、他の日本語および多言語埋め込みと比較しています。共通: 表現学習・意味的テキスト処理
- ruri-basecl-nagoya5k日本語一般テキスト埋め込みモデル(Ruri‑v3、30‑310 Mパラメータ、8192‑token最大、JMTEBスコアが高い)は、Sentence‑Transformers使用例と他の日本語埋め込みとのベンチマーク比較とともに提供されています。共通: 表現学習・意味的テキスト処理
chiVeWorksApplications179SudachiとNWJCを使用した日本語の単語埋め込み。GitHub共通: 表現学習・意味的テキスト処理
ja.text8Hironsan113単語埋め込みのための日本語テキスト8コーパス。GitHub共通: 表現学習・意味的テキスト処理