计算机科学 > 人工智能
[提交于 2025年6月23日
(v1)
,最后修订 2025年7月7日 (此版本, v3)]
标题: jina-embeddings-v4:用于多模态多语言检索的通用嵌入
标题: jina-embeddings-v4: Universal Embeddings for Multimodal Multilingual Retrieval
摘要: 我们引入了jina-embeddings-v4,这是一个具有38亿参数的多模态嵌入模型,通过一种新颖的架构统一了文本和图像表示,支持后期交互风格的单向量和多向量嵌入。 该模型结合了特定任务的低秩适应(LoRA)适配器,以优化在各种检索场景中的性能,包括查询-文档检索、语义文本相似性和代码搜索。 全面评估表明,jina-embeddings-v4在单模态和跨模态检索任务中均达到最先进水平,尤其在处理视觉丰富内容方面表现出色,如表格、图表、示意图和混合媒体格式。 为了便于评估此能力,我们还引入了Jina-VDR,一个专门为视觉丰富图像检索设计的新基准。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.