# 高效檢索

這是一個基於ONNX的量化模型，是Qwen/Qwen3-Embedding-0.6B的uint8量化版本，在保持檢索性能的同時減少了模型大小。

本模型是ntproctor/mass-academy-faq-embedder的量化版本，提供多種量化類型選擇，適用於高效的特徵提取和句子相似度計算。

這是經過GPTQ量化的Qwen3-Embedding-4B模型，顯存使用量顯著降低，性能損失較小。

基於ModernBERT預訓練編碼器的文本嵌入模型，支持8192 tokens長文本處理，在MTEB、LoCO和COIR等評估任務中表現優異。

Snowflake Arctic Embed L v2.0的GGUF量化版本，是一種高效的多語言文本嵌入模型，適用於高質量檢索任務。

IBM Granite多語言嵌入模型，支持12種語言的文本嵌入任務，適用於信息檢索和多語言應用場景。

這是一個從Chuxin-Embedding轉換而來的GGUF格式模型，主要用於中文文本檢索任務。

bge_micro 是一個基於 sentence-transformers 的句子嵌入模型，專注於句子相似度計算和特徵提取任務。

GTE-Base 是一個通用的文本嵌入模型，能夠將文本轉換為高維向量表示，適用於文本分類和相似性搜索任務。

Sinequa開發的多語言向量化器，能夠為輸入的段落或查詢生成嵌入向量，用於相似度計算和信息檢索。