日文 CrossEncoder Reranker 模型(xsmall、small、base、large、BGE‑v2 m3)隱藏層大小 384–1024,示例推理通過 sentence_transformers 和 Hugging Face,在 JQaRA、JaCWIR、MIRACL 和 JSQuAD 上獲得 0.71–0.97+ 的分數。
其他語言的說明
統計
統計資料截至 2026年11月16日
Hugging Face 下載數(近 30 天)
1,000
Hugging Face 按讚數
2
收錄日
2024年5月13日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | 1,000 |
| 2026年5月 | 2,000 |
| 2026年6月 | 2,000 |
| 2026年7月 | 2,000 |
| 2026年8月 | 2,000 |
| 2026年9月 | 2,000 |
| 2026年10月 | — |
| 2026年11月 | 1,000 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- japanese-reranker-cross-encoder-small-v1hotchpotch156k以日語訓練的 CrossEncoder 重新排序模型,規模從 xsmall(384)到 large(1024),並包含 BGE‑v2‑m3‑v1 模型,附有微調、推理的範例程式碼,以及在 JQaRA、JaCWIR、MIRACL 與 JSQuAD 上的基準分數。
- ruri-v3-reranker-310mcl-nagoya137kRuri‑v3 Reranker 是一款以 ModernBERT‑Ja 為基礎的強大日語文本重排序器,支援多達 8,192 令牌序列、100k 令牌詞彙表、FlashAttention 以及 SentencePiece tokenizer,並可透過 sentence‑transformers 使用。
- japanese-reranker-xsmall-v2hotchpotch28k快速、輕量級的日語 Reranker v2 模型(tiny、xsmall、small、base)具有基準分數和 GPU 速度,可通過 sentence_transformers CrossEncoder 和 transformers ≥ v4.48 (可選使用 flash‑attn 加速)使用,並且亦提供 ONNX/量化版本以供 CPU/ARM 使用。
- japanese-reranker-cross-encoder-xsmall-v1hotchpotch16k日本 CrossEncoder 重排序模型 覆蓋 xsmall 到 large(含 BGE),已於 JQaRA、JaCWIR、MIRACL 與 JSQuAD 進行評估,並附上可直接使用的 sentence_transformers 與 HuggingFace 整合範例。
- ruri-reranker-smallcl-nagoya3k使用 Sentence Transformers(交叉編碼器)構建的日語重排序模型,可透過 trust_remote_code 加載,在 JQaRA、JaCWIR 和 MIRACL 數據集上進行基準測試,並由 hotchpotch 組織提供小到大尺寸版本。
- japanese-reranker-tiny-v2hotchpotch2k一個小型、高速的日語 re‑ranker 函式庫(v2),提供 tiny‑through‑base 與 cross‑encoder 模型,具有詳細的延遲與準確率統計資訊,需 Transformers ≥ 4.48(可選 Flash‑Attention 2)並支援 ONNX/quantization 用於 CPU/ARM 部署。
研究領域相近的資源
elasticsearchelastic78k免費開源的分散式 RESTful 搜尋引擎。多語言共同: 嵌入、檢索與 RAG
meilisearchmeilisearch59k為您的網站和應用程式帶來 AI 驅動混合搜尋的極速搜尋引擎 API。多語言共同: 嵌入、檢索與 RAG
milvusmilvus-io46kMilvus 是一個專為可擴充向量近似最近鄰(ANN)搜尋打造的高效能雲原生向量資料庫。多語言共同: 嵌入、檢索與 RAG
qdrantqdrant35kQdrant —— 面向下一代 AI 的高效能大規模向量資料庫與向量搜尋引擎,也提供雲端版本 https://cloud.qdrant.io/。多語言共同: 嵌入、檢索與 RAG- plamo-embedding-1bpfnet486kPLaMo‑Embedding‑1B 是 Preferred Networks 開發的日本文本嵌入模型,能將日文文本轉換為向量,用於資訊檢索、分類與聚類,在 JMTEB 基準測試上表現優異,且以 Apache v2.0 license 免費提供。共同: 嵌入、檢索與 RAG
typesensetypesense27kAlgolia + Pinecone 的開源替代方案,也是比 ElasticSearch 更易用的替代方案 ⚡ 🔍 ✨ 快速、容錯拼字錯誤的記憶體內模糊搜尋引擎,用於打造愉悅的搜尋體驗。多語言共同: 嵌入、檢索與 RAG