Publié par avsolatorio le 1er mai 2024, NoInstruct-small-Embedding-v0 est un modèle d’embedding dense de 33 millions de paramètres, tous actifs. Il produit des vecteurs de 384 dimensions et adopte un encodage asymétrique : mean pooling pour les requêtes, représentation du jeton [CLS]…

Publié par avsolatorio le 14 février 2024 sous licence ouverte MIT, GIST-large-Embedding-v0 est un modèle dense de 335 millions de paramètres. Il produit des vecteurs de 1 024 dimensions et dérive de BAAI/bge-large-en-v1.5, affiné sur une compilation de MEDI et de données de…

Publié par avsolatorio le 3 février 2024 sous licence ouverte MIT, GIST-all-MiniLM-L6-v2 est un modèle d’embedding dense de 23 millions de paramètres. Il produit des vecteurs compacts de 384 dimensions à partir de textes ou de requêtes documentaires.

Publié par avsolatorio le 3 février 2024 sous licence ouverte MIT, GIST-small-Embedding-v0 est un modèle dense de 33 millions de paramètres. Il produit des vecteurs de 384 dimensions, un format compact qui limite la taille des index et facilite le déploiement avec Sentence Transformers.

Publié par avsolatorio le 31 janvier 2024 sous licence ouverte MIT, GIST-Embedding-v0 est un modèle dense de 109 millions de paramètres, affiné à partir de BAAI/bge-base-en-v1.5. Il représente chaque texte par un vecteur de 768 dimensions.