Modèles d'embeddings pour le RAG
Des modèles d'embeddings et leurs réglages conseillés pour le RAG et la recherche sémantique.
- [3zfyfk] Embeddings nomic-embed-text en local avec Ollama | embedding | fr | MIT | https://contextetech.com/embeddings/nomic-embed-text-ollama-3zfyfk - [15gplqg] Embeddings BGE-M3 pour un RAG sur de longs documents | embedding | fr | MIT | https://contextetech.com/embeddings/bge-m3-15gplqg - [1n1y7kf] Embeddings multilingual-e5-large pour un RAG en français | embedding | fr | MIT | https://contextetech.com/embeddings/multilingual-e5-large-1n1y7kf
contextetech
Embeddings nomic-embed-text en local avec Ollama
nomic-embed-text pour un RAG 100 % local avec Ollama : 768 dimensions, textes longs, préfixes search_query: / search_document:. Licence Apache 2.0.
contextetech
Embeddings BGE-M3 pour un RAG sur de longs documents
BGE-M3 pour un RAG sur de longs documents : 1024 dimensions, jusqu'à 8192 tokens, plus de 100 langues, sans préfixe. Licence MIT.
contextetech
Embeddings multilingual-e5-large pour un RAG en français
multilingual-e5-large pour un RAG en français : 1024 dimensions, 512 tokens, préfixes query:/passage: obligatoires, distance cosinus. Licence MIT.