Qwen3 Embedding:新一代文本表征与排序模型

背景

虽然现在可以通过大语言模型、多模态大模型做端到端的任务。但依然存在一些大模型无法直接处理的场景。例如比较常见的 RAG 任务，从海量文档数据中找回目标数据。常用的手段就是多路召回，其中就不乏有基于 Embedding 的稠密召回操作，对于召回的内容总得有一个“相似度”评判，就是一个 Reranking 模型。

预备知识-benchmark

评判 Embedding、Reranker 模型的性能效果的 benchmark 主要有：

1. MMTEB(Massive Multilingual Text Embedding Benchmark). 相关论文介绍：MMTEB: Massive Multilingual Text Embedding Benchmark：

2. C-MTEB(Chinese Massive Text Embedding Benchmark). 相关论文：