BGE-reranker-v2-m3
对查询与候选段落成对打分的多语交叉编码器重排模型，用于调整已召回结果的次序。
最后核实：
https://huggingface.co/BAAI/bge-reranker-v2-m3特点与限制
主要特点
- 交叉编码器直接输出相关性分数
- 官方定位为轻量、易部署且多语能力较强的重排基线
- 基于bge-m3骨干
- 可将原始分数经sigmoid映射到0–1区间
使用边界
- 只对已召回候选重排，不负责召回，也不输出文本向量。
- 官方模型卡未声明最大输入长度；官方Transformers示例以max_length=512截断，长段落需自行确认并验证。
- 原始logit分数与归一化概率不可混用，阈值需按目标语料重新标定。
- 官方评测以图片图表形式给出，本轮尚未逐项转录并复核其中的数值，暂不登记成绩。
模型信息
- 家族与版本
- BGE / v2-m3
- 输入与输出
- 文本 → 相关性分数
- 公开参数规模
- 0.568B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- 官方模型卡未单列参数量；HF权重元数据safetensors张量参数和为567,755,777（约0.568B），上线台账原记约0.6B。未另列有效或激活参数口径。 参数来源
- 原生上下文
- 未提供
- 扩展上下文
- 未提供
- 语言声明
- 多语言（官方模型列表标注Multilingual，未列具体语言）；语言支持不代表对应语言的评测水平。
- 权重许可
- Apache-2.0
- 代码许可
- MIT
- 训练资料
- 官方模型卡与FlagEmbedding文档介绍模型定位、用法与评测图，未提供训练数据清单。
能力依据
模型变体：专用版；家族与版本：BGE / v2-m3
结果重排
暂无可靠公开成绩
查看评估与来源收起补充信息
结果重排
暂无可靠公开成绩
本轮未找到许可明确、评测协议公开且可确认评测者独立的BGE-reranker-v2-m3重排成绩，暂不据官方图表或社区汇总判断其重排效果高低。
已有依据支持
- 官方模型列表明确该型号面向多语言场景，并把它列为兼顾效果与效率的推荐项。
- 官方给出FlagEmbedding与Transformers两条可核对的使用路线。
证据限制
- 官方模型卡以图片形式给出BEIR、CMTEB-retrieval与miracl评测图，未提供可复制的数值表与评测条件，本页不引用无法核对的数字。
- 重排效果依赖召回候选集、切分与阈值标定；官方示例的512截断也会影响长段落结果。
- 未找到许可明确且确认为独立方的同型号同条件复测。
- 本站未在自有语料上运行该模型。
暂无该用途的公开评测成绩；不能从其他用途或缺失值推断能力。
运行条件与获取
FlagEmbedding
系统支持未提供 · PyTorch checkpoint · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；内存、显存和速度取决于运行时、精度、输入长度与硬件，不将参数量或文件大小换算为资源保证。
内存：未核实；显存：未核实。
依赖：FlagEmbedding、torch。
STEP 01 安装 FlagEmbedding
按官方模型卡 Usage 章节安装 FlagEmbedding，官方同时提供从源码安装的写法。
python -m pip install -U FlagEmbeddingSTEP 02 加载指定模型
按同页示例用 FlagReranker 加载此模型并对查询-段落对打分；需要0–1区间时显式设置 normalize=True。本站未下载权重或执行模型，需在目标设备验证。
Transformers
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；内存、显存和速度取决于运行时、精度、输入长度与硬件，不将参数量或文件大小换算为资源保证。
内存：未核实；显存：未核实。
依赖：transformers、torch。
STEP 01 按官方示例准备环境
打开部署来源链接，按官方安装章节配置依赖；依赖与模型版本需保持匹配。
STEP 02 加载指定模型
按同页示例用 AutoModelForSequenceClassification 加载并读取logits；官方示例以max_length=512截断，长输入需自行调整并验证。本站未执行模型。