# 信息檢索

Chonky是一款能夠智能地將文本分割成有意義的語義塊的Transformer模型，適用於RAG系統。

Set-Encoder是一種專為高效且具有置換不變性的段落重排序設計的跨編碼器架構，特別適用於新穎性感知重排序任務。

這是一個文本排序模型，用於對文本進行相關性排序。

rank1是一款基於Qwen2.5-0.5B訓練的信息檢索重排序模型，通過生成推理鏈提升相關性判斷準確性。

Set-Encoder是一種專為高效且具有置換不變性的段落重排設計的交叉編碼器架構。

這是一個基於mDeBERTa-v3-base的法語交叉編碼器模型，專門用於段落重排序任務，在mMARCO-fr數據集上表現出色。

一個基於transformers庫的句子嵌入模型，用於生成句子的向量表示，支持文本排序任務。

SPLADE-v3-Doc 是 SPLADE 模型的文檔版本，專注於文檔端推理，適用於信息檢索等場景。

這是一個基於sentence-transformers的句子嵌入模型，可將文本映射到768維向量空間，適用於語義搜索和聚類任務。

基於RankNet損失函數訓練的波蘭語文本排序模型，適用於信息檢索任務

GTE-Large是一個基於ONNX移植的文本嵌入模型，適用於文本分類和相似性搜索任務。

MMLW（我必須得到更好的消息）是波蘭語的神經文本編碼器，針對信息檢索任務進行了優化，能夠將查詢和段落轉換為768維向量。

GTE Tiny 是一個小型通用文本嵌入模型，適用於多種自然語言處理任務。

這是一個基於ELECTRA架構的法語交叉編碼器模型，專門用於語義搜索中的段落重排序任務。

DRAGON+ 是一個基於BERT架構的密集檢索模型，採用非對稱雙編碼器架構，適用於文本檢索任務。

這是一個基於sentence-transformers的模型，能夠將句子和段落映射到768維的密集向量空間，適用於句子相似度計算、語義搜索等任務。

這是一個基於sentence-transformers的模型，能夠將句子和段落映射到768維的密集向量空間，適用於句子相似度計算、語義搜索等任務。

這是一個基於sentence-transformers的句子嵌入模型，能夠將文本轉換為768維的向量表示，適用於句子相似度計算和語義搜索等任務。

這是一個基於sentence-transformers的模型，能夠將句子和段落映射到768維的密集向量空間，適用於聚類或語義搜索等任務。

這是一個基於sentence-transformers的模型，能夠將句子和段落映射到768維密集向量空間，適用於句子相似度計算、語義搜索等任務。

基於DistilBert TAS-B模型的句子嵌入模型，針對語義搜索任務優化，可將文本映射到768維向量空間

這是一個基於sentence-transformers的模型，能夠將句子和段落映射到768維的密集向量空間，適用於句子相似度計算、語義搜索等任務。

這是一個基於sentence-transformers的句子嵌入模型，可將文本映射到768維向量空間，適用於語義搜索和文本相似度計算等任務。

這是一個基於sentence-transformers的模型，能夠將句子和段落映射到768維的密集向量空間，適用於句子相似度計算和語義搜索等任務。

基於BERT架構的DPR問題編碼器模型，用於密集段落檢索任務

基於Contriever預訓練模型的微調版本，專為密集信息檢索任務優化，採用對比學習方法訓練

這是一個基於DistilBERT的句子嵌入模型，能夠將文本轉換為768維的向量表示，適用於句子相似度計算和語義搜索任務。

TILDE是一個基於BERT架構的模型，主要用於文本檢索和語言建模任務。

這是一個適用於英德雙語段落重排序任務的跨語言交叉編碼器模型，基於MS Marco段落排序任務訓練而成。

基於MS Marco段落排序任務訓練的英德跨語言交叉編碼器模型，適用於信息檢索場景的段落重排序。

這是一個基於sentence-transformers的句子嵌入模型，能夠將文本轉換為768維的向量表示，適用於語義搜索和文本相似度計算等任務。

該模型是基於谷歌mT5-base在TyDi QA數據集上微調的多語言問答模型，支持101種語言的問答任務。