BGE-M3
BGE-M3 je nový embedovací model, ktorý sa vyznačuje svojou všestrannosťou v oblasti multilinguality, multifunkčnosti a multigranularity.
- University of Science and Technology of China
- BAAI
Môžem to použiť?
Licencia nie je uvedená. Pred použitím sa spýtaj autorov.
O zdroji
BGE-M3 je nový embedovací model, ktorý sa vyznačuje svojou všestrannosťou v oblasti multilinguality, multifunkčnosti a multigranularity. Poskytuje jednotnú podporu pre sémantické vyhľadávanie viac ako 100 pracovných jazykov. Dokáže súčasne vykonávať tri bežné funkcie vyhľadávania: dense retrieval, multi-vector retrieval, and sparse retrieval. Okrem toho je tiež schopný spracovať vstupy rôznej granularity, od krátkych viet až po dlhé dokumenty s dĺžkou až 8 192 tokenov. Efektívne trénovanie M3-Vkladania predstavuje sériu technických prínosov: nový prístup k self-knowledge distillation , kde skóre relevantnosti z rôznych funkcií retrievalu možno integrovať ako signál učiteľa na zvýšenie kvality tréningu. Stratégia batchov bola tiež optimalizovaná tak, aby umožňovala veľkú veľkosť batchu a vysokú priepustnosť tréningu na zlepšenie rozlišovacej schopnosti embedingov.
Ďalšie zdroje pre túto úlohu
Všetky zdroje pre úlohu „Hľadať podľa významu“ (5)- DatasetSkMTEB
SkMTEB je prvý komplexný benchmark na hodnotenie textových reprezentácií (embeddingov) v štýle MTEB pre slovenčinu – západoslovanský jazyk s obmedzenými zdrojmi a približne 5…
- SlovakNLP Community
CC BY 4.0 - ModelE5-sk-large
Ide o špecializovaný slovenský sentence-transformers model, ktorý mapuje vety a odseky do 384-rozmerného hustého vektorového priestoru a možno ho použiť na sémantickú textovú…
MIT - ModelE5-sk-small
Ide o špecializovaný slovenský sentence-transformers model, ktorý mapuje vety a odseky do 384-rozmerného hustého vektorového priestoru a možno ho použiť na sémantickú textovú…
MIT - DatasetSlovak STS Synthetic
Ide o syntetický slovenský súbor údajov určený pre úlohu sémantickej textovej podobnosti (STS).
CC BY-NC 4.0