# 高維向量

Qwen3-Embedding-8B 是 Qwen 家族的最新專有模型，專為文本嵌入和排序任務設計，基於 Qwen3 系列的密集基礎模型構建，具有卓越的多語言能力和長文本理解能力。

PLaMo-Embedding-1B是由Preferred Networks公司開發的日語文本嵌入模型，在日語文本嵌入基準測試中表現優異

這是一個基於阿里巴巴NLP/gte-modernbert-base微調的sentence-transformers模型，用於語義文本相似度計算，實現語義緩存功能。

基於BGE-M3微調的越南語嵌入模型，增強越南語檢索能力

基於ModernBERT微調的法律領域句子嵌入模型，支持多層次維度輸出，適用於法律文本相似度計算和信息檢索任務。

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。

Jina Embeddings V2 Base Code 是一個基於轉換器架構的英文文本嵌入模型，專注於代碼相關文本的特徵提取和句子相似度計算。

Jina Embeddings V2 Base Code 是一個基於轉換器架構的英文句子嵌入模型，專注於代碼相關文本的特徵提取和相似度計算。

基於FacebookAI/xlm-roberta-large微調的雙語句子轉換器模型，支持阿拉伯語和英語的語義文本相似度計算。

這是一個基於🤗 transformers的特徵提取模型，具體功能和用途需要進一步信息補充。

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。

這是一個基於sentence-transformers的句子編碼器模型，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MPNet架構的句子嵌入模型，將文本映射到384維向量空間，適用於語義搜索和句子相似度任務

基於MPNet架構的句子嵌入模型，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任務

這是一個基於MPNet架構的句子嵌入模型，能將文本映射到768維向量空間，適用於語義搜索和句子相似度任務。