# 情報検索の最適化

これはcross-encoder/ms-marco-MiniLM-L6-v2を微調整したクロスエンコーダモデルで、主にテキストの再並べ替えと意味的検索タスクに使用されます。

これは、ModernBERT-largeから微調整されたクロスエンコーダモデルで、テキストペアのスコアを計算するために使用され、テキストの再ランキングと意味的検索タスクに適しています。

これはBERTアーキテクチャに基づくアラビア語再ランキングモデルで、アラビア語テキストの関連性ランキングタスクに最適化されています

LLM2Vecは、デコーダ専用の大規模言語モデルをテキストエンコーダに変換するシンプルな方法で、双方向アテンション、マスクされた次単語予測、教師なしコントラスティブ学習を有効にすることで実現します。

PhoRankerは、ベトナム語テキストのソートに使用されるクロスエンコーダーモデルで、ベトナム語テキストを効率的に分類およびソートすることができます。

SPLADE-v3-LexicalはSPLADEモデルの語彙重み付けバージョンで、情報検索タスクに特化し、クエリ側では拡張を行いません。

これはDistilBERTに基づくポルトガル語文変換モデルで、文の類似度と意味的検索タスクに特化しています。

このモデルはDistilBERTアーキテクチャに基づいており、語彙表のサイズは256kで、word2vecで初期化され、MS MARCOコーパスで785kステップのMLM学習が行われました。

T5-baseアーキテクチャに基づく再ランキングモデルで、MS MARCOパラグラフデータセットで10万ステップ微調整され、情報検索におけるドキュメントの再ランキングタスクに適しています。

このモデルはDistilBERTアーキテクチャに基づく事前学習言語モデルで、word2vecで初期化された256kの語彙表を使用し、MS MARCOコーパスでマスク言語モデル（MLM）学習を行っています。

T5-3Bアーキテクチャに基づくリランカーで、MS MARCOパッセージデータセットで10万ステップ（10エポック）ファインチューニングされ、文書ランキングタスクに使用されます。

SGPT-2.7Bは加重平均法に基づく文変換モデルで、文の類似度タスクに特化しており、MSMARCOデータセットで訓練され、BitFit技術が適用されています。

BERT-Baseアーキテクチャに基づき、MS MARCO段落分類タスクで微調整されたバージョンで、文書再ランキングタスクに適しています。