2024年RAG大赛
2024 CCF国际AIOps挑战赛·赛题与赛制解读-CSDN博客
自动化测评也比较有意思，分数为 关键字 + 语义相似度，分值比为6:4.
2024 CCF AIOPS国际挑战赛优秀奖方案分享
https://zhuanlan.zhihu.com/p/7444390758
【大模型RAG获奖方案分享】如何提高RAG系统在专业技术文档里的准确率？RAG架构在工程落地时遇到的挑战;AIOPS国际挑战赛介绍及获奖方案介绍_哔哩哔哩_bilibili
CCF-第七届AIOps国际挑战赛-季军方案分享|北航-EasyRAG
https://zhuanlan.zhihu.com/p/7272025344
选用智源的bge-reranker-v2-minicpm-layerwise，不微调情况下，此模型效果领先其他bge系列reranker
这个是什么模型呢，到HF-Mirror上一搜，好多个啊，有什么区别？问问大模型吧
下面这几个模型的区别是什么
BAAI/bge-reranker-v2-m3 BAAI/bge-reranker-large
BAAI/bge-reranker-base BAAI/bge-reranker-v2-gemma
BAAI/bge-reranker-v2.5-gemma2-lightweight
BAAI/bge-reranker-v2-minicpm-layerwise
大模型的回答如下：
这些模型均来自BAAI（北京智源人工智能研究院）的BGE（Bidirectional Encoder Representations from Generators）系列，主要用于重排序任务（reranking），如在信息检索、问答系统中对初步检索结果进行更精确的排序。以下是各模型之间的主要区别：
1. BAAI/bge-reranker-v2-m3
- 特点：
- 属于BGE Reranker的v2版本系列。
- "m3"可能表示该模型在v2版本中的某种特定配置或改进（如模型结构、参数规模或训练数据的调整）。
- 相较于基础版本，可能在性能或效率上有所提升。
2. BAAI/bge-reranker-large
- 特点：
- "large"表示该模型是BGE Reranker系列中的大型版本。
- 通常具有更多的参数和更大的模型容量，可能在复杂任务或大规模数据上表现更好。
- 适用于对精度要求较高的场景，但可能需要更多的计算资源。
3. BAAI/bge-reranker-base
- 特点：
- "base"表示该模型是BGE Reranker系列中的基础版本。
- 参数规模较小，计算资源需求较低，适合资源受限的环境。
- 适用于对实时性要求较高或硬件条件有限的场景。
4. BAAI/bge-reranker-v2-gemma
- 特点：
- 属于BGE Reranker的v2版本系列。
- "gemma"可能表示该模型在v2版本中采用了特定的技术或改进（如新的训练算法、架构优化或数据增强）。
- 可能在特定任务或数据集上表现更优。
5. BAAI/bge-reranker-v2.5-gemma2-lightweight
- 特点：
- 属于BGE Reranker的v2.5版本系列，版本较新。
- "gemma2"可能表示该模型在v2.5版本中采用了第二代Gemma技术或改进。
- "lightweight"表示该模型是轻量级版本，参数规模较小，计算效率高。
- 适用于对资源要求严格或需要快速推理的场景。
6. BAAI/bge-reranker-v2-minicpm-layerwise
- 特点：
- 属于BGE Reranker的v2版本系列。
- "minicpm"可能表示该模型采用了MiniCPM技术或架构（如MiniCPM系列模型中的小型化、高效化设计）。
- "layerwise"表示该模型可能采用了逐层训练或逐层优化的方法，有助于提升训练效率或模型性能。
- 可能在保持较小参数规模的同时，实现较高的性能。
总结区别
| 模型名称 | 版本 | 参数规模 | 技术特点 | 适用场景 |
|---|---|---|---|---|
| BAAI/bge-reranker-v2-m3 | v2 | 中等 | 特定配置或改进 | 通用场景，性能提升 |
| BAAI/bge-reranker-large | - | 大 | 大型模型，高容量 | 复杂任务，高精度要求 |
| BAAI/bge-reranker-base | - | 小 | 基础版本，低资源需求 | 资源受限，实时性要求高 |
| BAAI/bge-reranker-v2-gemma | v2 | 中等 | Gemma技术或改进 | 特定任务，性能优化 |
| BAAI/bge-reranker-v2.5-gemma2-lightweight | v2.5 | 小 | 第二代Gemma，轻量级 | 资源严格，快速推理 |
| BAAI/bge-reranker-v2-minicpm-layerwise | v2 | 小 | MiniCPM架构，逐层训练 | 小型化，高效化，逐层优化 |
选择建议
- 如果需要高精度：选择
large版本。 - 如果资源受限：选择
base或lightweight版本。 - 如果需要最新技术：选择
v2.5或带有gemma、minicpm等标签的模型。 - 如果需要逐层训练的优势：选择
layerwise版本。
这些模型的具体表现还需根据实际应用场景和数据集进行评估。