# 意味的類似度

Qwen3-Embedding-0.6BのGPTQ量子化バージョン。VRAM使用量が最適化され、性能損失が少ない。

SILMAアラビアマトリョーシカ埋め込みモデル0.1は、革新的なマトリョーシカ埋め込み技術を採用した高度なアラビア語テキスト埋め込みモデルで、異なる次元でテキスト表現を最適化し、速度、保存容量、精度のバランスを取ることができます。

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。

sentence-transformersに基づく文の埋め込みモデルで、テキストを384次元のベクトル空間にマッピングでき、意味的検索とテキストの類似度計算に適しています。

これはsentence-transformersベースの韓国語文埋め込みモデルで、文や段落を768次元の密なベクトル空間にマッピングし、クラスタリングや意味検索などのタスクに適しています。

これはsentence - transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、文の類似度計算や意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文章や段落を768次元の密集ベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を256次元の密なベクトル空間にマッピングでき、文の類似度計算、クラスタリング、意味検索などのタスクに適しています。

これはsentence-transformersに基づく文の類似度モデルで、テキストを384次元のベクトル空間にマッピングし、意味的検索やクラスタリングタスクに使用できます。

これはsentence-transformersに基づくモデルで、文や段落を384次元の密なベクトル空間にマッピングでき、文の類似度計算や意味検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を512次元の密なベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。

これはmultilingual-e5-smallの量子化バージョンで、層ごとの量子化により推論性能を最適化し、同時に元のモデルの大部分の品質を維持しています。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。

これはsentence-transformersベースのモデルで、文や段落を384次元の密なベクトル空間にマッピングでき、クラスタリングや意味検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、文の類似度計算、クラスタリング、意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。

これはsentence - transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、文の類似度計算、クラスタリング、意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文章や段落を768次元の密ベクトル空間にマッピングし、文章類似度計算や意味的検索などのタスクに使用できます。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を384次元の密なベクトル空間にマッピングでき、クラスタリングや意味検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、文の類似度計算、クラスタリング、意味的検索などのタスクに適しています。

これはsentence - transformersに基づく文の埋め込みモデルで、テキストを768次元のベクトル表現に変換でき、意味的類似度計算などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、文の類似度計算や意味的検索などのタスクに適しています。

これはsentence-transformersに基づく文埋め込みモデルで、テキストを384次元のベクトル表現に変換することができます。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングし、文の類似度計算や意味的検索などのタスクに使用できます。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングし、文の類似度計算、クラスタリング、意味的検索などのタスクに使用できます。

これはsentence-transformersに基づく文埋め込みモデルで、テキストを768次元のベクトル空間にマッピングでき、意味的検索やテキスト類似度計算などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文章や段落を64次元の密ベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。

これはsentence - transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、文の類似度計算や意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を384次元の密なベクトル空間にマッピングでき、文の類似度計算や意味的検索などのタスクに適しています。

これはsentence-transformersに基づく文埋め込みモデルで、テキストを768次元のベクトル空間にマッピングでき、意味検索やテキスト類似度計算などのタスクに適しています。

SimCSEの教師なしバージョンに基づき、中国語NLIデータを使用した教師ありコントラスト学習でトレーニングされた中国語文ベクトル表現モデル

これはsentence-transformersに基づく文章埋め込みモデルで、テキストを768次元のベクトル表現に変換でき、意味的類似度計算やテキストクラスタリングなどのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、文の類似度計算や意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を768次元のベクトル空間にマッピングし、文の類似度計算や意味的検索などのタスクに使用できます。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、文の類似度計算や意味的検索などのタスクに適しています。

これはsentence-transformersに基づく文の類似度モデルで、文や段落を384次元のベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文章や段落を768次元の密ベクトル空間にマッピングでき、文章の類似度計算や意味的検索などのタスクに適しています。

これはsentence-transformersに基づく文章類似度モデルで、テキストを768次元のベクトル空間にマッピングし、意味検索とクラスタリングタスクに使用できます。