# 高次元ベクトル

Qwen3-Embedding-8BはQwenファミリーの最新の専用モデルで、テキスト埋め込みとソートタスク用に設計されており、Qwen3シリーズの密集型基礎モデルに基づいて構築され、卓越した多言語能力と長文理解能力を持っています。

PLaMo-Embedding-1BはPreferred Networks社が開発した日本語テキスト埋め込みモデルで、日本語テキスト埋め込みベンチマークで優れた性能を発揮

これは阿里巴巴NLP/gte-modernbert-baseをファインチューニングしたsentence-transformersモデルで、セマンティックテキスト類似度計算に使用され、セマンティックキャッシュ機能を実現します。

BGE-M3をファインチューニングしたベトナム語埋め込みモデル、ベトナム語検索能力を強化

ModernBERTをファインチューニングした法律分野の文埋め込みモデルで、多層次元出力をサポートし、法律テキストの類似度計算や情報検索タスクに適しています。

ModernBERT事前学習エンコーダーに基づくテキスト埋め込みモデルで、8192トークンの長文処理をサポートし、MTEB、LoCO、COIRなどの評価タスクで優れた性能を発揮します。

Jina Embeddings V2 Base Codeは、Transformerアーキテクチャに基づく英語テキスト埋め込みモデルで、コード関連テキストの特徴抽出と文類似度計算に特化しています。

Jina Embeddings V2 Base Codeは、トランスフォーマーアーキテクチャに基づく英語の文埋め込みモデルで、コード関連テキストの特徴抽出と類似度計算に特化しています。

FacebookAI/xlm-roberta-largeをファインチューニングした二言語文変換モデルで、アラビア語と英語の意味的テキスト類似性計算をサポートします。

これは🤗 transformersベースの特徴抽出モデルで、具体的な機能と用途は追加情報が必要です。

MMLW（私はより良いメッセージを得なければならない）はポーランド語のニューラルテキストエンコーダで、情報検索タスクに最適化されており、クエリと段落を768次元ベクトルに変換できます。

これはsentence-transformersに基づく文エンコーダーモデルで、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検索などのタスクに適しています。

MPNetアーキテクチャに基づく文埋め込みモデルで、テキストを384次元のベクトル空間にマッピングし、意味検索や文類似度タスクに適しています

MPNetアーキテクチャ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し、意味検索やテキスト類似度タスクに適しています

これはMPNetアーキテクチャに基づく文埋め込みモデルで、テキストを768次元ベクトル空間にマッピングでき、意味検索や文類似度タスクに適しています。