# 信息檢索增強

這是一個日語通用重排序模型的預覽版本，基於cl-nagoya/ruri-v3-pt-310m基礎模型訓練，專門用於日語文本相關性排序任務。

這是一個基於MiniLM-L12-H384-uncased微調的交叉編碼器模型，用於文本重排序和語義搜索任務。

rank1-3b是一個基於Qwen2.5-3B訓練的信息檢索重排序模型，通過生成推理鏈進行相關性判斷

rank1-7b是一個基於Qwen2.5-7B訓練的70億參數重排序模型，通過生成推理鏈進行相關性判斷

這是一個從ModernBERT-large微調的sentence-transformers模型，用於將句子和段落映射到1024維的密集向量空間，支持語義文本相似性、語義搜索等任務。

這是一個基於Transformers架構的重新排序(Reranker)模型，主要用於信息檢索和搜索結果優化任務。

該模型是基於BAAI/bge-reranker-large轉換而來的GGUF格式模型，用於重排序任務，支持中英文。

這是一個基於Transformer架構的交叉編碼器模型，主要用於文本排序任務。

基於sdadas/polish-roberta-large-v2改進的波蘭語重排序模型，採用RankNet損失函數訓練，支持Flash Attention 2加速

這是一個基於sentence-transformers的葡萄牙語句子編碼器，可將文本映射到768維向量空間，適用於語義搜索和文本聚類等任務。

這是一個專為搜索查詢改寫設計的生成模型，採用序列到序列架構和強化學習框架來生成多樣化且相關的查詢改寫。

FollowIR-7B 是一個基於 Mistral-7B-Instruct-v0.2 微調的指令檢索模型，專注於檢索任務中的重排序功能。

SPLADE-v3是最新一代SPLADE模型系列，基於SPLADE++SelfDistil開發，採用KL散度與MarginMSE混合訓練方式，用於信息檢索任務。

專為意大利語問答任務設計的句子轉換器模型，能夠解析和分析意大利語文本，預測最可能包含答案的上下文。

這是一個法語交叉編碼器模型，用於對問題-段落對進行相關性評分，適用於語義搜索的重排序階段。

基於sentence-transformers的西班牙語BERT模型，用於生成句子和段落的768維向量表示

這是一個基於DistilBERT的句子轉換器模型，專門用於特徵提取和句子相似度計算。

用於段落檢索的SPLADE模型，通過知識蒸餾提升稀疏神經信息檢索效果

用於段落檢索的SPLADE模型，通過稀疏潛在文檔擴展和知識蒸餾技術提升檢索效果

Doc2Query 是一個用於文檔檢索的模型，能夠將文檔轉換為查詢，以改進信息檢索的效果。

基於MS MARCO數據集訓練的句子嵌入模型，使用word2vec初始化的256k詞彙表和DistilBERT架構，適用於語義搜索和句子相似度任務

該模型是基於T5-large架構的重新排序器，在MS MARCO段落數據集上進行了10萬步（即10個週期）的微調，主要用於文檔和段落的重排序任務。

基於T5-base架構的文檔重新排序模型，先後在MS MARCO和醫學領域MedMARCO數據集上微調，優化檢索結果的相關性排序。

這是一個針對MS MARCO文檔數據集上的BM25檢索器訓練的文本重排序模型，主要用於提升文檔檢索的排序效果。