现代稀疏神经检索：从理论到实践
现代稀疏神经检索器的综合指南：COIL, TILDEv2, SPLADE等。了解它们是如何工作的，并学习如何有效地使用它们。
叶夫根尼亚·苏霍多尔斯卡娅
·2024年10月23日
机器学习
探索使现代语义相似性搜索成为可能的机器学习原理和实践。将 Qdrant 和向量搜索功能应用于您的 ML 项目。
Qdrant 2024 年暑期编码 - Python 中的 ONNX 交叉编码器
我在Qdrant 2024年夏季代码项目中的工作和经验总结。
胡昂 (塞琳) 黄
·2024年10月14日
任何*嵌入模型都可以成为后期交互模型... 如果你给它一个机会！
我们最近发现嵌入模型可以变成延迟交互模型，并且在某些场景中表现令人惊讶。看看我们在这里学到了什么。
Kacper Łukawski
·2024年8月14日
BM42：混合搜索的新基线
介绍BM42 - 一种新的稀疏嵌入方法，结合了精确关键词搜索的优点与变换器的智能。
安德烈·瓦斯涅佐夫
·2024年7月01日
层回收与微调效率
学习何时以及如何使用层回收以实现不同的性能目标。
尤素福·萨里戈兹
·2022年8月23日
精细调优类似汽车搜索
学习如何训练一个相似度模型，以便在新类别中检索相似的汽车图像。
尤素福·萨里戈兹
·2022年6月28日
用于异常检测的度量学习
异常检测中度量学习的实际应用。将基于分类的方法的结果与仅有~0.6%标记数据进行匹配的一种方式。
尤素福·萨里戈兹
·2022年5月4日
三元组损失 - 高级介绍
Triplet Loss 相对于对比损失有哪些优势以及如何高效实现它？
尤素福·萨里戈兹
·2022年3月24日
度量学习技巧与窍门
关于如何训练匹配模型并在生产中提供服务的实用建议。即使没有标记的数据。
安德烈·瓦斯涅佐夫
·2021年5月15日