智源研究院推出了新一代檢索排序模型 BGE Re-Ranker v2.0，支持100+ 種語言，文本長度更長，并在多項評測中達到了 SOTA(state-of-the-art)的結果。該模型是智源團隊在 BGE(BAAI General Embedding)系列基礎上的新嘗試，擴展了向量模型的 “文本 + 圖片” 混合檢索能力。

　　BGE Re-Ranker v2.0采用分層自蒸餾策略優化推理效率，通過不同尺寸的模型基座(如 MiniCPM-2B、Gemma-2B、BGE-M3-0.5B)支持多語言檢索能力。此外，該模型還新增了對 “文本 + 圖片” 混合檢索功能的支持，通過引入 CLIP 模型生成的 visual token 實現。

　　在性能評測方面，BGE Re-Ranker v2.0在英文、中文、多語言主流基準上取得了優秀的檢索效果。例如，在 MTEB、C-MTEB、MIRACL、LLaMA-Index 等評測基準中，BGE Re-Ranker v2.0在重排 BGE-v1.5-large 的 top-100候選集時表現優異，提升了檢索精度。同時，模型在 RAG 場景下也能夠顯著提升各種 embedding 模型的召回結果，配合 BGE-M3可以獲得最佳的端到端檢索質量。

　　BGE 系列模型的優秀性能和通用性也受到了社區的廣泛關注，Vespa、Milvus 等主流向量數據庫框架已經集成了 BGE-M3模型，為用戶搭建 “三位一體” 的檢索流水線提供了便利。

　　綜上所述，智源研究院推出的 BGE Re-Ranker v2.0檢索排序模型具有強大的多語言支持、更長文本長度、優秀的檢索效果和靈活的 “文本 + 圖片” 混合檢索功能，為信息檢索領域帶來了新的利器。