# 検索拡張生成

このモデルはall-MiniLM-L12-v2から蒸留されたもので、推論速度が約2倍向上し、CPUとGPUの両方で高い精度を維持しています。

TreeHopは、マルチホップQAにおけるクエリ埋め込み生成とフィルタリングを効率的に処理する軽量な埋め込みレベルフレームワークで、計算コストを大幅に削減します。

Qwen-2.5-7B-base-RAG-RLは、未知のデータセットからスクラッチでトレーニングされた7Bパラメータ規模の大規模言語モデルで、検索拡張生成(RAG)と強化学習(RL)技術を組み合わせています。

Pleias-RAG-350Mは3.5億パラメータの小型推論モデルで、検索拡張生成(RAG)、検索、出典要約タスク向けに訓練されています。

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。

ColNomic Embedマルチモーダル3Bは30億パラメータのマルチモーダル埋め込みモデルで、視覚文書検索タスク向けに設計されており、多言語テキストと画像の統一エンコーディングをサポートします。

このリポジトリには、TensorBlockのマシンによって量子化されたmixedbread-ai/mxbai-rerank-large-v2のGGUFフォーマットモデルファイルが含まれており、llama.cppと互換性があります。

このモデルはBAAI/bge-reranker-v2-m3を変換したGGUF形式モデルで、テキストソートタスクに使用され、多言語をサポートします。

金融時系列予測専用に設計された初の検索器、検索拡張生成（RAG）フレームワークに基づく

FinSeer StockLLM は、金融時系列予測のために設計されたオープンソースの10億パラメータ大規模言語モデルで、検索拡張生成（RAG）フレームワークを採用しています。

Gen-8B-R2はRAGシステムにおける幻覚問題の軽減に特化した生成モデルで、特に検索ノイズや情報過多の状況下での処理に適しています。

Cohere Labs Command Aは、迅速で安全かつ高品質なAIを必要とする厳しい企業ニーズに最適化された、オープンウェイトの1110億パラメータモデルの研究バージョンです。

Trendyol LLM v4.1.0 は、EC分野とトルコ語理解に特化した生成モデルで、Trendyol LLM base v4.0（130億トークンで追加事前学習されたQwen2.5 7Bバージョン）に基づいています。

検索結果やドキュメントの再ランキングに適した軽量テキストランキングモデル

KananaはKakaoが開発したバイリンガル(韓国語/英語)言語モデルシリーズで、韓国語タスクで優れた性能を発揮し、英語タスクでも競争力があり、同規模のモデルと比較して計算コストを大幅に削減しています。

アリババNLPチームが開発した7Bパラメータ規模の多言語テキスト埋め込みモデルで、文類似度タスクに特化し、複数の量子化バージョンを提供

PLLuM-12B-chatはポーランドの大規模言語モデルファミリーにおける120億パラメータの対話最適化バージョンで、ポーランド語およびスラブ/バルト言語向けに設計されており、命令微調整と選好学習を通じて安全で効率的な対話能力を実現しています。

本モデルはBAAI/bge-reranker-v2-m3のGGUF量子化バージョンで、テキストリランキングタスクに使用され、多言語をサポートします。

Fluxi AIはQwen2-VL-7B-InstructをベースにしたマルチモーダルAIアシスタントで、テキスト、画像、動画処理能力を備え、特にポルトガル語サポートを最適化しています。

Jina Embeddings V2 Base は効率的な英文文埋め込みモデルで、文の類似度と特徴抽出タスクに特化しています。

LBリランカーはクエリとテキストスニペットの関連性を判断するモデルで、95以上の言語をサポートし、検索タスクにおけるランキングとリランキングに適しています。

Granite-3.1-3B-A800M-Baseをファインチューニングした30億パラメータの長文脈指令モデルで、多言語タスクをサポート

Ruriは日本語に最適化された汎用テキスト埋め込みモデルで、Sentence Transformersアーキテクチャに基づき、文の類似度計算や特徴抽出タスクに特化して設計されています。

アラビア語のドキュメント検索とランキング最適化のための高性能再ランキングモデル

このモデルはBAAI/bge-reranker-v2-m3から変換されたGGUF形式のモデルで、テキストリランキングタスクに使用され、多言語をサポートします。

Vikhr-NemoはMistral-Nemo-Instruct-2407を最適化したバイリンガル大規模言語モデルで、ロシア語と英語に最適化されており、論理的推論、テキスト要約、コード生成など様々なタスクをサポートします。

これはBAAI/bge-reranker-v2-gemmaモデルのGGUF形式変換バージョンで、llama.cppフレームワークに適しており、多言語テキスト分類タスクをサポートします。

Qwen2アーキテクチャに基づく7Bパラメータ規模の大規模言語モデルで、文類似度計算とテキスト埋め込みタスクに特化しています。

参照テキストと質問の関連性を判断するための二値分類モデルで、RAGシステム向けに最適化されています

タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化

LLM2Vecはデコーダのみのアーキテクチャを持つ大規模言語モデルをテキストエンコーダに変換する簡易ソリューションで、双方向注意機構、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化することで実現します。

Llama3-ChatQA-1.5はLlama-3ベースモデルを開発した対話型QAと検索拡張生成モデルで、対話型QAとRAGタスクで優れた性能を発揮します。

GTE-base-en-v1.5 は英語の文章変換モデルで、文章類似度タスクに特化しており、複数のテキスト埋め込みベンチマークで優れた性能を発揮します。

Snowflake Arctic M Long は sentence-transformers ベースの文埋め込みモデルで、文の類似度と特徴抽出タスクに特化しています。

OpenThaiGPT 70b 1.0.0はLLaMA v2ベースの700億パラメータのタイ語チャットモデルで、タイ語命令に特化してファインチューニングされており、タイ語処理能力が大幅に向上しています。

LLM2Vecは、デコーダのみのアーキテクチャを持つ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ソリューションで、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ラーニングを有効にすることで実現します。

OpenThaiGPT 13b 1.0.0はLLaMA v2ベースの130億パラメータのタイ語チャットモデルで、タイ語命令に特化して最適化されています

クエリ書き換え用の軽量言語モデルで、ユーザー入力を構造化形式に解析し、検索効果を最適化できます。

Mistral-7Bベースのテキストランキングモデルで、複数の量子化バージョンを提供し、効率的な推論に適しています。

Salesforce Researchによって開発されたテキスト埋め込みモデルで、E5-mistral-7b-instructとMistral-7B-v0.1を基に訓練されており、主にテキスト検索タスクに使用されます。