# 高精度檢索

Qwen3-Embedding-4B是基於Qwen3系列構建的文本嵌入模型，專為文本嵌入和排序任務設計，在多語言文本處理和代碼檢索等方面表現優異。

這是對Qwen/Qwen3-Reranker-4B進行GPTQ量化的成果，顯著降低了顯存使用量

Qwen3-Reranker-4B是通義家族最新推出的4B參數規模文本重排序模型，支持100+種語言，在文本檢索任務中表現卓越。

Ruri v3是基於ModernBERT-Ja構建的通用日語文本嵌入模型，在日語文本嵌入任務中實現業界領先性能，支持長達8192個標記的序列。

Ruri v3 是一款基於 ModernBERT-Ja 構建的日語通用文本嵌入模型，在日語文本嵌入任務中達到最先進的性能，支持長達8192個標記的序列。

瑠璃v3是基於ModernBERT-Ja構建的日語通用文本嵌入模型，支持長達8192個標記的序列，在日語文本嵌入任務中達到最先進的性能。

基於ModernBERT-Ja構建的日語通用重排序模型，具有頂尖性能表現和長序列處理能力

基於ModernBERT架構優化的法律領域嵌入模型，支持多維度特徵提取和句子相似度計算

mxbai-rerank-large-v2 是一個用於文本排序的基礎模型，專注於提升搜索結果的相關性和準確性。

基於ModernBERT預訓練架構的英語文本重排序模型，由阿里巴巴通義實驗室開發，支持8192 tokens長文本處理。

瑠璃是一個日語通用文本嵌入模型，專注於句子相似度計算和特徵提取，基於cl-nagoya/ruri-pt-small-v2基礎模型訓練。

琉璃重排序器是一個日語通用重排序模型，基於Sentence Transformers架構，專門用於日語文本相關性排序任務。

日語通用重排序模型，用於提升日語文本檢索的相關性排序效果

瑠璃重排序器是一個基於Transformer架構的日語文本重排序模型，專門用於優化檢索結果的排序質量。

這是一個基於dunzhang/stella_en_1.5B_v5微調的sentence-transformers模型，用於生成句子和段落的1024維密集向量表示，適用於語義文本相似度、語義搜索等任務。

NV-Retriever-v1 是一個檢索模型，在 MTEB ArguAna 和 CQADupstackAndroidRetrieval 數據集上表現出色，具備高效的檢索能力。

Snowflake Arctic Embed M v1.5 是一個高效的句子嵌入模型，專注於句子相似度計算和特徵提取任務。

基於sentence-transformers/paraphrase-multilingual-mpnet-base-v2微調的阿拉伯語句子相似度模型，支持特徵提取和訓練生成

基於DeepPavlov/rubert-base-cased預訓練模型，使用MS-MARCO俄語段落排序數據集微調的sentence-transformers模型，用於俄語的非對稱語義搜索。

這是一個基於日語訓練的Reranker（CrossEncoder）模型，用於文本相關性排序任務。

這是一個日語Reranker（交叉編碼器）模型，用於文本排序任務，具有24層和1024隱藏層大小。

Dmeta-embedding-zh-small 是一款在多個自然語言處理任務中表現優異的模型，特別適用於中文文本處理。

基於Bloomz-3b構建的跨語言重排序模型，用於衡量查詢與上下文之間的語義相關性，支持法語和英語。

ACGE 文本嵌入模型是一個用於生成文本嵌入向量的模型，支持多種自然語言處理任務。

xiaobu-embedding是一個多任務嵌入模型，支持多種中文自然語言處理任務，包括文本相似度計算、分類、聚類和檢索等。

GTE Large 中文模型是一個多語言文本嵌入模型，專注於中文文本的語義表示和相似度計算。

tao-8k-origin 是一個專注於句子相似度計算的模型，支持多種相似度度量方式，並在多箇中文評測數據集上表現出色。