miniCOIL：迈向可用稀疏神经网络检索之路
介绍 miniCOIL，一种能够泛化的轻量级稀疏神经检索器。
Evgeniya Sukhodolskaya
2025年5月13日
机器学习
探索机器学习的原理和实践，这些原理和实践使得现代语义相似性搜索成为可能。将 Qdrant 和向量搜索功能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：从古老历史到大型语言模型。为什么相关性反馈技术在理论上很好，但在神经搜索中却不流行，以及我们能为此做些什么。
Evgeniya Sukhodolskaya
2025年3月27日
现代稀疏神经网络检索：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 年编程之夏 - Python 中的 ONNX 交叉编码器
我参加 Qdrant 2024 年编程之夏的工作和经验总结。
胡向（Celine）何
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成为后期交互模型，并且在某些情况下表现出惊人的良好性能。在此处查看我们学到的东西。
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，它将精确关键词搜索的优势与 Transformer 的智能相结合。
Andrey Vasnetsov
2024 年 7 月 1 日
层回收和微调效率
了解何时以及如何使用层回收以实现不同的性能目标。
优素福·萨里戈兹
2022 年 8 月 23 日
微调相似汽车搜索
了解如何训练一个相似性模型，该模型可以检索新类别中相似的汽车图像。
优素福·萨里戈兹
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。一种仅用约 0.6% 的标注数据即可匹配基于分类方法的結果的方法。
优素福·萨里戈兹
2022年5月4日
三重损失 - 高级介绍
三重损失相对于对比损失有什么优势？以及如何有效地实现它？
优素福·萨里戈兹
2022年3月24日
度量学习的技巧与窍门
关于如何训练匹配模型并在生产中提供服务的实用建议。即使没有标注数据也能做到。
安德烈·瓦斯涅佐夫
2021年5月15日