Qwen3 Reranker是阿里巴巴通义千问团队发布的文本重排序模型,属于Qwen3模型家族。采用单塔交叉编码器架构,输入文本对后输出相关性得分。模型通过多阶段训练范式,基于高质量标注数据和大量合成训练对进行训练,支持超过100种语言,涵盖主流自然语言及多种编程语言。性能表现上,Qwen3 Reranker-8B在MTEB排行榜上取得了72.94的高分,Qwen3 Reranker-0.6B也已超越Jina和BGE Rerankers。
Qwen3 Reranker的主要功能
- 文本相关性评估:Qwen3 Reranker可以接收用户查询和候选文档等文本对作为输入。模型会计算并输出两个文本之间的相关性得分,得分越高表示文本对之间的相关性越强。
- 文本重排序:根据相关性得分,Qwen3 Reranker能对候选文本进行排序,将与用户查询最相关的文本排在前面。
-
优化检索结果:在语义检索场景中,该功能可帮助用户更快地找到最相关的信息,提高检索效率和准确性。
-
支持多种语言:Qwen3 Reranker支持超过100种语言,包括主流自然语言和多种编程语言。