# RAG最適化

これは非常にコンパクトで高速な日本語リランキングモデルで、RAGシステムの精度向上に適しています。

映画やテレビ番組の推薦システムに特化した微調整済みの文変換モデルで、RAGパイプラインにおける高品質なベクトル検索を最適化しています。

Nomicコード埋め込みモデルは、多様なプログラミング言語をサポートするトップクラスのコード検索ツールで、コード検索タスクに優れています。

Chonkyはテキストを意味のあるセマンティックブロックにインテリジェントに分割できるTransformerモデルで、RAGシステムに適しています。

これは金融文書検索タスク向けに最適化されたsentence-transformersモデルで、汎用性能も保持しています。

Chonkyはテキストを意味のあるセマンティックブロックに分割するTransformerモデルで、RAGシステムに使用可能です。

Chonkyは、テキストを意味のある意味分塊に賢く分割できるTransformerモデルで、RAGシステムに適しています。

70億パラメータのマルチモーダル埋め込みモデルで、視覚的文書検索タスクに特化しており、Vidore-v2ベンチマークで優れた性能を発揮

ドイツ語と英語の多言語埋め込みモデル、8192トークンのコンテキスト長をサポート

BertForTokenClassificationを基に構築された中国語テキストチャンキングツールで、特に非構造化された雑多なテキストの処理に適しています

IBM Granite 埋め込みモデルをファインチューニングした問題分類器で、一般的な質問と特定の質問を区別するために使用されます

BERTベースのテキストチャンカーで、分類器ヘッドを使用してチャンクの開始マーカーを予測し、スライディングウィンドウ技術を用いて任意の長さのドキュメントを処理します。構造化および非構造化テキストに適しています。

アラビア語リランキングタスク専用に設計されたモデルで、クエリと段落の関係を正確に処理し、質問とドキュメント間の類似性を直接評価して関連性スコアを出力します。

PathummaLLM-text-1.0.0-7Bは、タイ語、中国語、英語をサポートする70億パラメータの大規模言語モデルで、OpenThaiLLM-Prebuiltをベースに指令微調整を行い、RAG、制約生成、推論タスクを最適化しています。

RAG（検索強化生成）と生産性に特化したベトナム語テキスト埋め込みモデルで、intfloat/multilingual - e5 - baseをベースに微調整されています。

microsoft/Phi-3-mini-128k-instructを基に最適化されたモデルで、コンテキストの追従能力向上と幻覚現象の低減に特化しており、RAGアプリケーションに適しています。

これはFinLangチームが金融アプリケーション向けに開発したInvestopediaエンベディングモデルで、BAAI/bge-base-en-v1.5をベースにファインチューニングされており、文や段落を768次元の密ベクトル空間にマッピングでき、金融分野のセマンティック検索などのタスクに適しています。

中国語テキストの意味理解に特化したCoSENTフレームワークモデル、検索拡張生成(RAG)タスクに適応

BCEmbeddingはNetEase Youdaoが開発したバイリンガルクロスランゲージ埋め込みモデルライブラリで、EmbeddingModel（意味ベクトル生成）とRerankerModel（結果精密ランキング）の2種類のモデルを含みます。Youdaoの検索拡張生成（RAG）システムのコアコンポーネントとして、オープンソースプロジェクトQAnythingやYoudao速読、Youdao翻訳などの製品にすでに成功裏に適用されています。

BAAI/bge-reranker-largeを韓国語データでファインチューニングしたRerankerモデルで、韓国語検索拡張生成(RAG)の性能向上に使用

Loquaceはイタリア語を話し、命令ファインチューニングされた大規模言語モデルで、AIとLLMのイタリアにおける民主化を推進することを目的としています。

Inkbotは構造化プロンプトの解析と応答に特化した対話型AIモデルで、コンテキストあり/なしの動的対話をサポートします。