Efficient Splade VI BT Large Query

🚀 効率的なSPLADE

段落検索に使用される、効率的なSPLADEモデルです。このアーキテクチャは、クエリとドキュメントの推論に2つの異なるモデルを使用します。これはクエリモデルです。ドキュメントモデルも同時にダウンロードしてください（https://huggingface.co/naver/efficient-splade-VI-BT-large-doc）。詳細情報については、以下を参照してください。

• 論文：https://dl.acm.org/doi/10.1145/3477495.3531833
• コード：https://github.com/naver/splade

🚀 クイックスタート

このモデルは段落検索用に設計されており、2つの異なるモデルを使用してクエリとドキュメントの推論をそれぞれ処理し、検索タスクに対する効率的な解決策を提供します。

✨ 主な機能

• ダブルモデルアーキテクチャ：クエリとドキュメントの推論にそれぞれ異なるモデルを使用することで、検索効率を向上させます。
• 優れた性能：MS MARCOデータセットで良好なMRR@10とR@1000の指標を示します。
• 低遅延：PISAと推論プロセスの両方で低遅延を実現します。

📚 ドキュメント

モデル性能指標

📄 ライセンス

このプロジェクトはCC BY - NC - SA 4.0ライセンスの下で提供されています。

🔖 引用

もし当社のモデルチェックポイントを使用した場合は、以下のように引用してください。

@inproceedings{10.1145/3477495.3531833,
author = {Lassance, Carlos and Clinchant, St\'{e}phane},
title = {An Efficiency Study for SPLADE Models},
year = {2022},
isbn = {9781450387323},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
url = {https://doi.org/10.1145/3477495.3531833},
doi = {10.1145/3477495.3531833},
abstract = {Latency and efficiency issues are often overlooked when evaluating IR models based on Pretrained Language Models (PLMs) in reason of multiple hardware and software testing scenarios. Nevertheless, efficiency is an important part of such systems and should not be overlooked. In this paper, we focus on improving the efficiency of the SPLADE model since it has achieved state-of-the-art zero-shot performance and competitive results on TREC collections. SPLADE efficiency can be controlled via a regularization factor, but solely controlling this regularization has been shown to not be efficient enough. In order to reduce the latency gap between SPLADE and traditional retrieval systems, we propose several techniques including L1 regularization for queries, a separation of document/query encoders, a FLOPS-regularized middle-training, and the use of faster query encoders. Our benchmark demonstrates that we can drastically improve the efficiency of these models while increasing the performance metrics on in-domain data. To our knowledge, we propose the first neural models that, under the same computing constraints, achieve similar latency (less than 4ms difference) as traditional BM25, while having similar performance (less than 10% MRR@10 reduction) as the state-of-the-art single-stage neural rankers on in-domain data.},
booktitle = {Proceedings of the 45th International ACM SIGIR Conference on Research and Development in Information Retrieval},
pages = {2220–2226},
numpages = {7},
keywords = {splade, latency, information retrieval, sparse representations},
location = {Madrid, Spain},
series = {SIGIR '22}
}