# 質問応答システム最適化

これはEuroBERT-210mを微調整したColBERTモデルで、スペイン語と英語の意味的テキスト類似度計算に特化しています。

これは日本語汎用再ランキングモデルのプレビュー版で、cl-nagoya/ruri-v3-pt-310mベースモデルを基に訓練され、日本語テキスト関連性ランキングタスクに特化しています。

これはMiniLM-L12-H384-uncasedをファインチューニングしたクロスエンコーダモデルで、テキスト再ランキングと意味検索タスクに使用されます。

Ruri-Rerankerはsentence-transformersベースの日本語テキスト再ランキングモデルで、クエリとドキュメントの関連性順位付けを最適化するために設計されています。

このモデルはEEVE-韓国語指導-10.8B-v1.0をファインチューニングしたもので、RAG（検索拡張生成）において質問に対する検索コンテキストが正しいかどうかを評価し、'はい'または'いいえ'で回答します。

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

all-MiniLM-L6-v2はMiniLMアーキテクチャに基づく軽量な文埋め込みモデルで、英文テキストの特徴抽出や文類似度計算に適しています。

これはsentence-transformersベースのヘブライ語文類似性計算モデルで、テキストを512次元ベクトル空間にマッピングし意味検索やクラスタリングタスクに使用可能

Silver Retrieverはポーランド語向けのニューラル検索モデルで、文の類似性や段落検索タスクに特化しています。

Sinequaによって開発されたベクトル化ツールで、段落やクエリから埋め込みベクトルを生成し、文の類似度計算や特徴抽出に使用されます。

これはruBert-tinyをベースとしたロシア語問題分類モデルで、正確な問題と非正確な問題を区別します。

繁体中国語のtransformersモデル及び自然言語処理ツールを提供

このモデルは質問クエリとステートメントクエリを区別するために使用され、Haystackの分類機能を通じてニューラル検索クエリ分類を実現するために特別に訓練されています。

これはDistilBERTアーキテクチャに基づく文埋め込みモデルで、文の類似度計算タスクに特化しています。

Oscarフレームワークに基づいて構築された中国語多モーダル事前学習モデルで、孟子-Bert基本版で初期化され、370万組の画像テキストペアで訓練されています。