智源開源最強(qiáng)檢索排序模型 BGE Re-Ranker v2.0

　　智源研究院推出了新一代檢索排序模型 BGE Re-Ranker v2.0，支持100+ 種語言，文本長度更長，并在多項(xiàng)評(píng)測(cè)中達(dá)到了 SOTA(state-of-the-art)的結(jié)果。該模型是智源團(tuán)隊(duì)在 BGE(BAAI General Embedding)系列基礎(chǔ)上的新嘗試，擴(kuò)展了向量模型的 “文本 + 圖片” 混合檢索能力。

　　BGE Re-Ranker v2.0采用分層自蒸餾策略優(yōu)化推理效率，通過不同尺寸的模型基座(如 MiniCPM-2B、Gemma-2B、BGE-M3-0.5B)支持多語言檢索能力。此外，該模型還新增了對(duì) “文本 + 圖片” 混合檢索功能的支持，通過引入 CLIP 模型生成的 visual token 實(shí)現(xiàn)。

　　在性能評(píng)測(cè)方面，BGE Re-Ranker v2.0在英文、中文、多語言主流基準(zhǔn)上取得了優(yōu)秀的檢索效果。例如，在 MTEB、C-MTEB、MIRACL、LLaMA-Index 等評(píng)測(cè)基準(zhǔn)中，BGE Re-Ranker v2.0在重排 BGE-v1.5-large 的 top-100候選集時(shí)表現(xiàn)優(yōu)異，提升了檢索精度。同時(shí)，模型在 RAG 場景下也能夠顯著提升各種 embedding 模型的召回結(jié)果，配合 BGE-M3可以獲得最佳的端到端檢索質(zhì)量。

　　BGE 系列模型的優(yōu)秀性能和通用性也受到了社區(qū)的廣泛關(guān)注，Vespa、Milvus 等主流向量數(shù)據(jù)庫框架已經(jīng)集成了 BGE-M3模型，為用戶搭建 “三位一體” 的檢索流水線提供了便利。

　　綜上所述，智源研究院推出的 BGE Re-Ranker v2.0檢索排序模型具有強(qiáng)大的多語言支持、更長文本長度、優(yōu)秀的檢索效果和靈活的 “文本 + 圖片” 混合檢索功能，為信息檢索領(lǐng)域帶來了新的利器。