# 語義相似度

Qwen3-Embedding-0.6B的GPTQ量化版本，顯存使用優化，性能損失較小

Ruri是基於ModernBERT-Ja構建的日語通用文本嵌入模型，提供不同參數規模的版本，適用於多種文本處理任務。

SILMA阿拉伯套娃嵌入模型0.1是一款先進的阿拉伯文本嵌入模型，採用創新的套娃嵌入技術，可在不同維度上優化文本表示，平衡速度、存儲和準確性。

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。

NoInstruct小型嵌入模型v0是一種改進的嵌入模型，專注於提升檢索任務性能，同時保持對任意指令編碼的獨立性。

基於sentence-transformers的句子嵌入模型，可將文本映射到384維向量空間，適用於語義搜索和文本相似度計算

通用文本嵌入（GTE）模型的GGUF格式版本，適用於信息檢索、語義文本相似度等任務。

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，適用於語義搜索和聚類任務。

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。

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。

這是一個基於sentence-transformers的韓語句子嵌入模型，能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256維的密集向量空間，適用於句子相似度計算、聚類和語義搜索等任務。

這是一個基於sentence-transformers的句子相似度模型，可將文本映射到384維向量空間，用於語義搜索和聚類任務。

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，適用於語義相似度和特徵提取任務。

這是一個基於sentence-transformers的模型，能夠將句子和段落映射到384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，能將句子和段落映射到512維的密集向量空間，適用於聚類或語義搜索等任務。

這是multilingual-e5-small的量化版本，通過逐層量化優化了推理性能，同時保持了原始模型的大部分質量。

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，能將句子和段落映射到384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維的密集向量空間，適用於句子相似度計算、聚類和語義搜索等任務。

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intfloat/multilingual-e5-large模型的詞彙表剪枝版本，僅保留俄語和英語詞元，保持了原版模型的性能表現。

這是一個基於sentence-transformers的句子嵌入模型，能夠將句子和段落映射到768維的向量空間，適用於語義搜索和聚類等任務。

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、聚類和語義搜索等任務。

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，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384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維的密集向量空間，適用於句子相似度計算、聚類和語義搜索等任務。

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，適用於語義相似度計算等任務。

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、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384維的向量表示。

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。

一個基於Transformer架構的文本排序模型，用於對句子或段落進行相關性排序。

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，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，用於句子相似度計算、聚類和語義搜索等任務。

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，能將句子和段落映射到64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維的密集向量空間，適用於句子相似度計算、語義搜索等任務。