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。
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)
156,000
Hugging Face 按讚數
5
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 | 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 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- 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。
- japanese-reranker-small-v2hotchpotch2kJapanese‑reranker‑small‑v2 是一款輕量、快速的日語重排序模型系列(v2),提供從 tiny 到 base 的各種變體,最高可達平均 0.89 分,且 GPU 推論時間為 2–15 秒,亦包含 cross‑encoder 選項,並要求 Hugging Face Transformers v4.48+;可選擇 Flash Attention 2 以加速。
研究領域相近的資源
- Llama-3.1-Swallow-8B-Instruct-v0.3tokyotech-llm5kLlama 3.1 Swallow 是一系列經過日本優化的 8B/70B Llama 3.1 模型,透過持續預訓練和日本專用說明微調進行訓練,最新的 8B‑Instruct‑v0.3 在日本 MT‑Bench 上取得了最先進的成果。共同: 語言模型
- Llama-3-ELYZA-JP-8Belyza4kLlama‑3‑ELYZA‑JP‑8B 是 ELYZA 推出的日語改良版,8 億參數的 Llama 3 模型,已在 Meta‑Llama‑3‑8B‑Instruct 上為日語進行微調。共同: 語言模型
swallow-evaluation-instructswallow-llm34燕子項目 事後學習完成的大規模語言模型 評估框架GitHub共同: 語言模型
pretrained_doc2vec_jayagays25預先訓練在日本維基百科上的doc2vec模型GitHub共同: 語言模型
pl-bert-jakyamauchi102324日語音素級別BERT的存儲庫GitHub共同: 語言模型
heron-vlm-leaderboardwandb6這個項目是一個基準工具,用於評估和比較各種視覺語言模型(VLMs)的性能。它使用兩個數據集:LLaVA-Bench-In-the-Wild 和日本 HERON Bench 來衡量模型的性能。GitHub共同: 語言模型