# 検索最適化

これはテキストランキングモデルで、テキストの再ランキングとスコアリングに使用されます。

Qwen2.5アーキテクチャに基づく5000万パラメータのテキストランキングモデルで、情報検索やドキュメントランキングタスクに適しています

Qwen2.5アーキテクチャに基づく0.5Bパラメータ規模のテキストランキングモデルで、再ランキングタスクに適しています。

高速リランキング専用に設計されたモデルで、JinaBERTアーキテクチャに基づき、長文シーケンス処理（最大8,192トークン）をサポートします。

IBM Graniteチームによって開発された多言語埋め込みモデルの量子化バージョンで、17種類の言語のテキスト埋め込みタスクをサポートし、検索や情報抽出などのシナリオに適しています。

Speed Embedding 7B Instructは、Transformerアーキテクチャに基づく大規模言語モデルで、テキスト埋め込みと分類タスクに特化しており、複数のベンチマークテストで優れた性能を発揮します。

NoInstruct小型埋め込みモデルv0は、検索タスクの性能向上に焦点を当てた改良型埋め込みモデルで、任意の命令エンコーディングに対する独立性を維持しています。

Fioシリーズ日本語埋め込みモデルの初版、BERTアーキテクチャに基づき、日本語テキストの類似度と特徴抽出タスクに特化

これはintfloat/multilingual-e5-largeモデルの語彙プルーニング版で、ロシア語と英語のトークンのみを保持し、オリジナルモデルの性能を維持しています。

E5-smallは小型のセンテンストランスフォーマーモデルで、文類似度とテキスト埋め込みタスクに特化しており、複数の分類・検索タスクで良好な性能を発揮します。

BERT-miniをファインチューニングしたクエリ分類モデルで、キーワードクエリと疑問文/陳述文クエリを区別するために使用されます