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。
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)
8,000
Hugging Face 点赞数
47
收录日
2024年9月10日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | 4,000 |
| 2026年1月 | 3,000 |
| 2026年2月 | 11,000 |
| 2026年3月 | 20,000 |
| 2026年4月 | 8,000 |
| 2026年5月 | 10,000 |
| 2026年6月 | 14,000 |
| 2026年7月 | 16,000 |
| 2026年8月 | 14,000 |
| 2026年9月 | 17,000 |
| 2026年10月 | 16,000 |
| 2026年11月 | 8,000 |
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
- ruri-basecl-nagoya5k日语通用文本嵌入模型(Ruri‑v3,30‑310 M 参数,8192‑token 最大,JMTEB 分数高)与 Sentence‑Transformers 使用示例以及与其他日语嵌入模型的基准对比一起提供。共同: 表示学习・语言模型
- sentence-bert-base-ja-mean-tokenssonoisa14k用于生成句子嵌入的 Japanese Sentence‑BERT (v1) 模型,已提供改进版 v2,并通过 Hugging Face Transformers 以及自定义的 SentenceBertJapanese 类进行示例使用。共同: 表示学习・语言模型
- 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: 表示学习・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: 表示学习・语义文本处理- GLuCoSE-base-ja-v2pkshatech6kGLuCoSE v2 是一款 CPU 友好的日语文本嵌入模型,通过蒸馏和多阶段对比学习进行微调,提供卓越的语义相似性和检索性能——在 MIRACL 及相关基准上优于同等规模的模型。共同: 表示学习・语义文本处理
- bert-large-japanese-v2tohoku-nlp66kJapanese‑BERT‑Large 在 CC‑100 和 Wikipedia 上训练,使用 Unidic‑lite 单词级标记化配合 WordPiece 子词和全词掩码(24 层,1024 维隐藏层,16 头,32k 词表),预训练代码在 cl‑tohoku/bert‑japanese。共同: 表示学习・语言模型