# デュアルエンコーダーアーキテクチャ

ViCA2は動画理解と視覚空間認知タスクに特化したマルチモーダル視覚言語モデルです。

ViCA2は70億パラメータ規模のマルチモーダル視覚言語モデルで、動画理解と視覚空間認知タスクに特化しています。

ReasonIR-8Bは汎用推論タスク向けに特別に訓練された最初の検索モデルで、BRIGHTベンチマークで最先端の検索性能を達成し、RAGアプリケーションにおいてMMLUおよびGPQAベンチマークのパフォーマンスを大幅に向上させました。

Hypencoderは情報検索用のハイパーネットワークモデルで、テキストエンコーダーとHypencoderの2つの部分から構成され、テキストを小型ニューラルネットワークに変換して関連性スコアを出力できます。

Hypencoderは情報検索用のデュアルエンコーダーモデルで、テキストエンコーダーとハイパーネットワーク（Hypencoder）を含み、テキストを小型ニューラルネットワークに変換して関連性スコアを計算できます。

GLiNERは柔軟な固有表現認識（NER）モデルで、あらゆるエンティティタイプを認識でき、従来のNERモデルや大規模言語モデルの実用的な代替手段を提供します。

Dragon-multiturnは、会話型質問応答シナリオ向けに設計された検索器で、会話履歴と現在のクエリを組み合わせた対話型クエリを処理できます。

Indus-Retrieverはnasa-smd-ibm-v0.1エンコーダーモデルをファインチューニングしたデュアルエンコーダー文変換モデルで、NASA科学ミッション理事会(SMD)の自然言語処理タスク向けに設計され、情報検索とインテリジェント検索能力を向上させます。

BERTアーキテクチャに基づくゼロショットテキスト分類モデルで、UTCDデータセットで明示的トレーニング手法を用いて学習

sentence-transformersベースのゼロショットテキスト分類モデルで、暗黙的トレーニングによりアノテーションデータ不要のテキスト分類を実現

BERTベースのデュアルエンコーダーモデルで、ゼロショットテキスト分類タスク向けに設計され、UTCDデータセットでトレーニング済み

このモデルは生物医学文献中の要約文を適切な記述文にマッピングするために使用され、文レベルの類似度計算に特化しています。

抽象的な文の記述を、その記述に合致する文にマッピングするモデルで、ウィキペディアでトレーニングされ、デュアルエンコーダーアーキテクチャを採用しています。

抽象的な文の記述を該当する文にマッピングするモデルで、ウィキペディアでトレーニングされ、デュアルエンコーダーアーキテクチャを採用しています。

ALIGNは視覚-言語デュアルエンコーダーモデルで、コントラスト学習により画像とテキスト表現のアラインメントを実現し、大規模ノイズデータを活用して先進的なクロスモーダル表現効果を達成します。

DRAGON+ はBERTアーキテクチャに基づく高密度検索モデルで、非対称デュアルエンコーダーアーキテクチャを採用し、テキスト検索タスクに適しています。

DRAGON+ はBERTベースアーキテクチャの高密度検索モデルで、初期重みはRetroMAEに由来し、MS MARCOコーパスの拡張データでトレーニングされました。

ドイツ語ELECTRAモデルをファインチューニングしたデュアルエンコーダー、ドイツ語段落検索タスク用

DistilBertベースのデュアルエンコーダードット積スコアリングアーキテクチャで、MSMARCO-Passageデータセット上でバランス型トピック認識サンプリングによりトレーニングされ、高密度検索と候補セットの再ランキングに適している