🔥 Trending today
Introducing the Ettin Reranker Family★ 80
Hugging Face Blog14d agoReleaseHugging Face 推出全新「Ettin Reranker」重排模型家族，旨在解決 RAG 系統中檢索精度不足的痛點。該系列模型涵蓋多種參數大小，支援多語言與長文本處理，並與 Hugging Face 生態系深度整合。Ettin 透過創新的架構設計，在保持低延遲的同時，顯著提升了重排（Reranking）階段的 NDCG 指標，是開發者構建高效能 RAG 應用的全新開源選擇。
Training and Finetuning Multimodal Embedding & Reranker Models with Sentence Transformers★ 80
Hugging Face Blog47d agoTutorialHugging Face 發布最新指南，展示如何利用 Sentence Transformers 框架進行多模態嵌入與 Reranker 模型的訓練與微調。此更新簡化了將文字與影像對齊至同一向量空間的流程，並支援雙塔（Bi-Encoder）與交叉編碼器（Cross-Encoder）架構。這對於建構多模態 RAG（檢索增強生成）系統與跨模態搜尋引擎的開發者來說，提供了極低門檻的實作路徑。
Multimodal Embedding & Reranker Models with Sentence Transformers★ 78
Hugging Face Blog54d agoReleaseHugging Face 宣布其熱門開源庫 Sentence Transformers 正式支援多模態（Multimodal）嵌入與重排（Reranker）模型。開發者現在可以使用統一的 API 同時處理文本與影像，將它們映射到相同的向量空間中。這項更新大幅降低了建構多模態 RAG、圖文搜尋與跨模態推薦系統的門檻。
Training and Finetuning Reranker Models with Sentence Transformers★ 80
Hugging Face Blog433d agoTutorialHugging Face 釋出全新教學，詳細介紹如何利用 Sentence Transformers 庫訓練與微調 Reranker（重排）模型。Reranker 在 RAG 系統中扮演關鍵角色，能對初步檢索的文檔進行二次精準排序。本文涵蓋資料準備、損失函數選擇、訓練流程及評估方法，幫助開發者針對特定領域優化檢索效果。