/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Лицензия
CC BY-NC 4.0
Опубликована
22 авг 2024

jina-colbert-v2-64

Заполнение пропусковТекст → текст8 профессий

Мультиязычная ColBERT-модель Jina AI создаёт компактные токеновые эмбеддинги для поиска релевантных текстовых фрагментов.

321скачиваний за 30 дней10лайковвеса обновлены6 янв 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Jina AI разработала jina-colbert-v2-64 — мультиязычную модель поиска по фрагментам текста на архитектуре ColBERT с поздним взаимодействием токеновых представлений. Она создаёт эмбеддинги размерности 64 и подходит для поиска релевантных документов и фрагментов в системах информационного поиска и RAG.

Модель принимает последовательности длиной до 8192 токенов. Поддерживает множество языков, включая английский, арабский, бенгальский, немецкий, испанский, французский, хинди, японский и корейский. Matryoshka-представления позволяют выбирать компромисс между размером эмбеддингов и точностью; в тестах README версия с размерностью 64 показывает близкие к более крупным вариантам результаты на BEIR и MS MARCO.

Для развёртывания README указывает зависимости einops и flash_attn; также приведены примеры интеграции с RAGatouille и Stanford ColBERT. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Метаданные классифицируют репозиторий как fill-mask, однако заявленное назначение и архитектура ColBERT указывают на поиск и ранжирование текстовых фрагментов; подходящий тег retrieval в доступных данных не указан.

Сценарии применения

  • поиск документов по запросу на нескольких языках
  • поиск фрагментов для RAG-системы
  • ранжирование найденных текстовых пассажей
  • мультиязычный поиск по коллекции документов

Ограничения

Лицензия CC BY-NC 4.0 ограничивает коммерческое использование. Для работы требуются einops и flash_attn; в метаданных указан fill-mask, что не отражает описанное в README назначение для поиска.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

JinaColBERT V2 (jina-colbert-v2) is a new model based on the JinaColBERT V1 that expands on the capabilities and performance of the jina-colbert-v1-en model. Like the previous release, it has Jina AI’s 8192 token input context and the improved efficiency, performance, and explainability of token-level embeddings and late interaction.

This new release adds new functionality and performance improvements:

  • Multilingual support for dozens of languages, with strong performance on major global languages.
  • Matryoshka embeddings, which allow users to trade between efficiency and precision flexibly.
  • Superior retrieval performance when compared to the English-only jina-colbert-v1-en.

JinaColBERT V2 offers three different versions for different embeddings dimensions: jinaai/jina-colbert-v2: 128 dimension embeddings jinaai/jina-colbert-v2-96: 96 dimension embeddings jinaai/jina-colbert-v2-64: 64 dimension embeddings

Usage

Installation

jina-colbert-v2 is trained with flash attention and therefore requires einops and flash_attn to be installed.

To use the model, you could either use the Standford ColBERT library or use the ragatouille package that we provide.

pip install -U einops flash_attn
pip install -U ragatouille
pip install -U colbert-ai

RAGatouille

from ragatouille import RAGPretrainedModel

RAG = RAGPretrainedModel.from_pretrained("jinaai/jina-colbert-v2")
docs = [
    "ColBERT is a novel ranking model that adapts deep LMs for efficient retrieval.",
    "Jina-ColBERT is a ColBERT-style model but based on JinaBERT so it can support both 8k context length, fast and accurate retrieval.",
]
RAG.index(docs, index_name="demo")
query = "What does ColBERT do?"
results = RAG.search(query)

Stanford ColBERT

from colbert.infra import ColBERTConfig
from colbert.modeling.checkpoint import Checkpoint

ckpt = Checkpoint("jinaai/jina-colbert-v2", colbert_config=ColBERTConfig())
docs = [
    "ColBERT is a novel ranking model that adapts deep LMs for efficient retrieval.",
    "Jina-ColBERT is a ColBERT-style model but based on JinaBERT so it can support both 8k context length, fast and accurate retrieval.",
]
query_vectors = ckpt.queryFromText(docs, bsize=2)

Evaluation Results

Retrieval Benchmarks

BEIR

NDCG@10jina-colbert-v2jina-colbert-v1ColBERTv2.0BM25
avg0.5310.5020.4960.440
nfcorpus0.3460.3380.3370.325
fiqa0.4080.3680.3540.236
trec-covid0.8340.7500.7260.656
arguana0.3660.4940.4650.315
quora0.8870.8230.8550.789
scidocs0.1860.1690.1540.158
scifact0.6780.7010.6890.665
webis-touche0.2740.2700.2600.367
dbpedia-entity0.4710.4130.4520.313
fever0.8050.7950.7850.753
climate-fever0.2390.1960.1760.213
hotpotqa0.7660.6560.6750.603
nq0.6400.5490.5240.329

MS MARCO Passage Retrieval

MRR@10jina-colbert-v2jina-colbert-v1ColBERTv2.0BM25
MSMARCO0.3960.3900.3970.187

Multilingual Benchmarks

MIRACLE

NDCG@10jina-colbert-v2mDPR (zero shot)
avg0.6270.427
ar0.7530.499
bn0.7500.443
de0.5040.490
es0.5380.478
en0.5700.394
fa0.5630.480
fi0.7400.472
fr0.5410.435
hi0.6000.383
id0.5470.272
ja0.6320.439
ko0.6710.419
ru0.6430.407
sw0.4990.299
te0.7420.356
th0.7720.358
yo0.6230.396
zh0.5230.512

mMARCO

MRR@10jina-colbert-v2BM-25ColBERT-XM
avg0.3130.1410.254
ar0.2720.1110.195
de0.3310.1360.270
nl0.3300.1400.275
es0.3410.1580.285
fr0.3350.1550.269
hi0.3090.1340.238
id0.3190.1490.263
it0.3370.1530.265
ja0.2760.1410.241
pt0.3370.1520.276
ru0.2980.1240.251
vi0.2870.1360.226
zh0.3020.1160.246

Matryoshka Representation Benchmarks

BEIR

NDCG@10dim=128dim=96dim=64
avg0.5990.5910.589
nfcorpus0.3460.3400.347
fiqa0.4080.4040.404
trec-covid0.8340.8080.805
hotpotqa0.7660.7640.756
nq0.6400.6400.635

MSMARCO

MRR@10dim=128dim=96dim=64
msmarco0.3960.3910.388

Other Models

Additionally, we provide the following embedding models, you can also use them for retrieval.

Contact

Join our Discord community and chat with other community members about ideas.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
HF_ColBERT
Ревизия весов
7c9f323

0 моделей