miniCOIL：通往可用稀疏神经检索之路
介绍 miniCOIL，一种轻量级稀疏神经检索器，具备泛化能力。
Evgeniya Sukhodolskaya
2025年5月13日
机器学习
探索机器学习原理和实践，正是它们让现代语义相似度搜索成为可能。将 Qdrant 和向量搜索能力应用于您的机器学习项目。
信息检索中的相关性反馈
相关性反馈：从古代历史到大型语言模型。为什么相关性反馈技术理论上很好但在神经搜索中不流行，以及我们可以为此做些什么。
Evgeniya Sukhodolskaya
2025年3月27日
现代稀疏神经检索：从理论到实践
现代稀疏神经检索器的全面指南：COIL、TILDEv2、SPLADE 等等。了解它们的工作原理并学习如何有效地使用它们。
Evgeniya Sukhodolskaya
2024年10月23日
Qdrant 2024编程夏令营 - Python 中的 ONNX 交叉编码器
我在 Qdrant 2024编程夏令营的工作和经验总结。
Huong (Celine) Hoang
2024年10月14日
任何*嵌入模型都可以成为晚期交互模型……只要你给它机会！
我们最近发现嵌入模型可以成为晚期交互模型，并且在某些情况下表现出惊人的效果。在此查看我们学到的知识。
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，它结合了精确关键词搜索的优势和 Transformer 的智能。
Andrey Vasnetsov
2024年7月01日
层回收和微调效率
了解何时以及如何使用层回收来达到不同的性能目标。
Yusuf Sarıgöz
2022年8月23日
微调相似汽车搜索
学习如何训练一个相似度模型，该模型可以在新类别中检索相似的汽车图像。
Yusuf Sarıgöz
2022年6月28日
用于异常检测的度量学习
度量学习在异常检测中的实际应用。一种仅使用约0.6%标注数据即可与基于分类的方法结果相匹配的方法。
Yusuf Sarıgöz
2022年5月04日
Triplet Loss - 进阶介绍
Triplet Loss 相较于 Contrastive loss 有哪些优势，以及如何高效地实现它？
Yusuf Sarıgöz
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环境中部署的实用建议。即使没有标注数据。
Andrei Vasnetsov
2021年5月15日