通用句子编码器

all-mpnet-base-v2

AI 模型

句子转换模型，将句子和段落编码为 768 维向量空间，便于进行聚类和语义搜索等任务。它旨在高效地进行文本嵌入和检索应用。all-mpnet-base-v2 是一个句子转换模型，将句子和段落编码为 768 维向量空间，便于进行聚类和语义搜索等任务。它旨在高效地进行文本嵌入和检索应用。

all-MiniLM-L6-v2

AI 模型

句子转换模型，将句子和段落编码为 384 维向量空间，支持聚类和语义搜索等任务。它旨在高效的信息检索和句子相似性应用。all-MiniLM-L6-v2 是一个句子转换模型，将句子和段落编码为 384 维向量空间，支持聚类和语义搜索等任务。它旨在高效的信息检索和句子相似性应用。

BAAI/bge-large-en-v1.5 · Hugging Face

AI 模型

最先进的嵌入模型，旨在增强检索增强语言模型的能力。它提升了检索能力并支持多种任务，适用于自然语言处理和人工智能研究的应用。BAAI/bge-large-en-v1.5 是一个最先进的嵌入模型，旨在增强检索增强语言模型的能力。它提升了检索能力并支持多种任务，适用于自然语言处理和人工智能研究的应用。

Jina Embeddings v3

AI 模型

多语言、多任务的文本嵌入模型，旨在支持各种自然语言处理应用。它支持长输入序列和特定任务的嵌入，使其在不同用例中具有多功能性。Jina Embeddings v3 是一个多语言、多任务的文本嵌入模型，旨在支持各种自然语言处理应用。它支持长输入序列和特定任务的嵌入，使其在不同用例中具有多功能性。

BAAI/bge-small-en-v1.5 · Hugging Face

AI 模型

小规模的嵌入模型，旨在用于检索增强语言模型任务。它在各种自然语言处理应用中表现出色，适合 AI 领域的开发者和研究人员。BAAI/bge-small-en-v1.5 是一个小规模的嵌入模型，旨在用于检索增强语言模型任务。它在各种自然语言处理应用中表现出色，适合 AI 领域的开发者和研究人员。

nomic-embed-text-v2-moe

AI 模型

最先进的多语言专家混合文本嵌入模型。它支持大约 100 种语言，并在多语言检索任务中表现出色，提供灵活的嵌入维度和降低的存储成本。nomic-embed-text-v2-moe 是一款最先进的多语言专家混合文本嵌入模型。它支持大约 100 种语言，并在多语言检索任务中表现出色，提供灵活的嵌入维度和降低的存储成本。

DeBERTa - 微软研究院

AI 模型

微软研究院开发的大规模预训练语言模型。其性能超越 T5 11B 模型，并在 SuperGLUE 基准测试中取得了接近人类水平的结果。该先进模型为自然语言理解任务提供了强大的能力。DeBERTa 是微软研究院开发的大规模预训练语言模型。其性能超越 T5 11B 模型，并在 SuperGLUE 基准测试中取得了接近人类水平的结果。该先进模型为自然语言理解任务提供了强大的能力。

Sentence Transformers

AI 框架

用于最先进的嵌入和重排序模型的 Python 模块。它能够从文本、图像、音频或视频计算嵌入，计算相似度分数，并生成用于语义搜索和释义挖掘等应用的稀疏嵌入。Sentence Transformers 是一个用于最先进的嵌入和重排序模型的 Python 模块。它能够从文本、图像、音频或视频计算嵌入，计算相似度分数，并生成用于语义搜索和释义挖掘等应用的稀疏嵌入。