Publié par Mihaiii le 30 avril 2024 sous licence ouverte MIT, Squirtle est un modèle d’embedding dense de 16 millions de paramètres. Il produit des vecteurs de 384 dimensions, un format compact qui limite la taille des index.

Publié par Mihaiii le 30 avril 2024 sous licence ouverte MIT, Wartortle est un modèle d’embedding dense de 17 millions de paramètres. Distillé de bge-base-en-v1.5, il produit des vecteurs de 384 dimensions et se distingue par un format compact.

Mihaiii/Venusaur est un modèle d’embedding dense de 16 millions de paramètres, publié par Mihaiii le 29 avril 2024 sous licence ouverte MIT. Il transforme exclusivement des textes anglais en vecteurs de 384 dimensions et accepte des séquences allant jusqu’à 512 tokens.

Publié par Mihaiii le 27 avril 2024, Mihaiii/Bulbasaur est un modèle d’embedding anglophone de 17 millions de paramètres, tous actifs. Cette distillation de gte-tiny, entraînée sur le jeu qa-assistant, encode chaque phrase sous la forme d’un vecteur dense de 384 dimensions.

Publié par Mihaiii le 27 avril 2024 sous licence ouverte MIT, Ivysaur est un modèle d’embedding dense de 23 millions de paramètres. Fine-tuning de gte-tiny sur le jeu qa-assistant, il représente les phrases par des vecteurs de 384 dimensions obtenus avec un mean pooling tenant compte du…

Mihaiii/gte-micro-v4 est un modèle d’embedding dense de 19 millions de paramètres, publié par Mihaiii le 22 avril 2024 sous licence ouverte MIT. Distillé de gte-tiny, il produit des vecteurs de 384 dimensions et traite exclusivement des textes anglais, avec une troncature à 512 tokens.

Publié par Mihaiii le 21 avril 2024 sous licence MIT, Mihaiii/gte-micro est un modèle d’embedding dense de 17 millions de paramètres, tous actifs. Distillé à partir de gte-small pour l’autocomplétion sémantique, il transforme exclusivement des textes anglais en vecteurs de 384 dimensions…