仓库提供新的日语文本嵌入 v3 模型(30M‑310M 参数,8 k‑token 最大,JMTEB 74‑77),可使用 sentence_transformers(使用 query/passage 前缀)加载,并包含与监督/无监督 SimCSE、LaBSE、E5 以及其他模型的基准比较。
其他语言的说明
统计
统计数据截至 2026年11月16日
Hugging Face 下载数(近 30 天)
2,000
Hugging Face 点赞数
5
收录日
2025年3月18日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | 7,000 |
| 2026年6月 | 2,000 |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | — |
| 2026年10月 | 1,000 |
| 2026年11月 | 2,000 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- ruri-v3-310mcl-nagoya634kRuri v3 是基于 ModernBERT‑Ja 的先进日语文本嵌入模型,支持多达 8,192 词元输入,100K 词元词汇表,FlashAttention 加速推理,并提供多种尺寸变体,便于快速使用 sentence‑transformer。
- plamo-embedding-1bpfnet486kPLaMo‑Embedding‑1B 是 Preferred Networks 的一款日语文本嵌入模型,它将日语文本转换为向量,用于信息检索、分类和聚类,在 JMTEB 基准上表现出强大性能,并且在 Apache v2.0 许可证下可免费使用。
- ruri-v3-30mcl-nagoya126kRuri v3是一个最先进的日语文本嵌入模型,基于ModernBERT‑Ja构建,支持最多8,192个标记,拥有100 k词汇量,支持FlashAttention加速,并提供多种规模,从37 M到315 M参数。
- ruri-v3-130mcl-nagoya93kRuri v3 是基于 ModernBERT‑Ja 的前沿日语文本嵌入模型,支持最多 8192 token 序列、100K token 词汇量、FlashAttention,并以 30 M 至 310 M 参数规模发布,供 sentence‑transformers 使用。
- GLuCoSE-base-japkshatech31kGLuCoSE 是一个基于 LUKE 的日语句子嵌入模型,输出 768 维均值池化向量(最多 512 个标记),在 Web 和 NLI/搜索数据上训练,在相似性基准测试中达到了 0.864 的 Spearman 相关系数和 0.818 的 Pearson 相关系数。
- ruri-v3-70mcl-nagoya14kRuri v3 提供高性能的日语文本嵌入,支持至 8192 个 token,拥有 100k 个 token 的词汇表,支持 FlashAttention,并提供多种模型规模(30 m–310 m),以实现高效推理和通过 sentence‑transformers 进行微调。
研究领域相近的资源
resemblatuem74Resembla:基于单词的日语相似句子搜索库GitHub共同: 语义相似度・语义文本处理- JaColBERTv2bclavie2kJaColBERTv2 是一个仅适用于日语的基于 ColBERT 的检索模型,在 MMarco 上通过知识蒸馏训练(每个正例 31 个负例,250k 次,batch 32)。目前它优于 multilingual‑e5‑large、BGE‑M3 和 JaColBERT,完整评估正在进行中。共同: 语义相似度・语义文本处理
JapaneseWordSimilarityDatasettmu-nlp103日语词语相似度数据集GitHub共同: 语义相似度・语义文本处理- japanese-splade-v2hotchpotch4k高性能的日本 SPLADE v2 通过 WebUI demo 实现稀疏向量转换和推理,使用 YAST 进行训练,提供 YASEM 嵌入,并报告 JMTEB benchmark 结果。共同: 语义文本处理
wikipedia-passages-jawiki-embeddings-utilshotchpotch12wikipedia 日本语的文本转换为各种日本语嵌入和faiss索引的脚本等。GitHub共同: 语义文本处理- ruri-largecl-nagoya8k一组已准备好发布的 Ruri v3 日语文本嵌入模型(30m–310m),完整附带 SentenceTransformer 使用技巧、查询/段落前缀,以及 JMTEB 基准结果,展示它们与其他日语和多语言嵌入模型的比较。共同: 语义文本处理