6 月 6 日消息，阿里巴巴宣布開源 Qwen3-Embedding 系列模型，包括 Embedding 及 Reranker，該系列模型基于 Qwen3 基礎模型訓練，專為文本表征、檢索與排序任務而打造。
在多項基準測試中，Qwen3-Embedding 系列展現(xiàn)出了卓越性能。其泛化性尤為突出，8B 參數(shù)規(guī)模的 Embedding 模型在 MTEB 多語言 Leaderboard 榜單中位居首位（截至 2025 年 6 月 6 日，得分 70.58），性能超越眾多商業(yè) API 服務。排序模型在各類文本檢索場景中表現(xiàn)優(yōu)異，顯著提升了搜索結果的相關性，在多個下游任務評估中達到行業(yè)領先水平。
該系列具備靈活的模型架構，提供 0.6B、1.7B、8B 三種參數(shù)規(guī)模的模型配置，開發(fā)者可依據(jù)不同場景下對性能與效率的需求，靈活選用并組合表征與排序模塊，輕松實現(xiàn)功能擴展。同時，模型支持定制化特性，允許用戶自定義表征維度，降低應用成本；還能通過自定義指令模板，提升特定任務、語言或場景下的性能。
值得一提的是，Qwen3-Embedding 系列對多語言的支持極為全面，涵蓋超過 100 種語言，其中既包含主流自然語言，也囊括多種編程語言。這使其具備強大的多語言、跨語言及代碼檢索能力，能夠有效處理多語言場景下的數(shù)據(jù)，滿足復雜的數(shù)據(jù)處理需求。
從運行機制來看，Embedding 模型接收單段文本輸入，以模型最后一層「EOS」標記對應的隱藏狀態(tài)向量作為輸入文本的語義表示；Reranker 模型則接收文本對（如用戶查詢與候選文檔），借助單塔結構計算并輸出兩個文本的相關性得分。
阿里開源的 Qwen3-Embedding 系列模型，為相關領域開發(fā)者提供了有力工具，有望推動文本處理及多語言應用等領域進一步發(fā)展 。
來【龍頭AI網(wǎng)】了解最新AI資訊！
暫無評論
發(fā)表評論