Home在6月6日报道说，阿里巴巴今天早晨开设了Qwen3插入系列（Embedding and Renker）模型，该模型今天早上设计为文本表示，任务和分类任务，并根据基本的QWEN3模型进行了培训。官员们说，Qwen3插入系列在许多基准上的任务识别和分类中表现出了出色的表现。它具有以下特征：巨大的概括：Qwen3插入系列在许多下游工作测试中达到了行业的领先水平。其中，该模型GEM的8B模型参数先于MTEB多语言排行榜列表（直到2025年6月6日，得分为70.58），其性能超过了许多商业API服务。此外，对该系列模型的评论执行了各种文本查找情况，这大大改善了搜索结果的相关性。灵活的模型架构：Qwen3插入系列提供了从0.6B到8b Para的三个模型调整在不同情况下满足性能和效率需求的仪表尺度。开发人员可能会灵活地结合模块的表征和分类以实现性能的扩展。此外，该模型支持以下符合的功能：字符维度自定义：允许用户根据实际需求调整表示大小，有效地降低了应用程序成本；教学适应的适应：支持用户自定义指令模板，以提高特定任务，语言或情况的性能。全面的多语言支持：QWEN3插入系列支持100多种语言，涵盖了自然和不同编程语言的基本语言。这一系列模型具有强大的多语言，跨语言和代码采集功能，并且可以有效地响应多语言方案中的数据处理需求。根据报告，paming模型接收了文本A的一段s输入，将隐藏的状态向量对应于“ EOS”标记的最后一层，作为输入文本的语义表示； Rrankker模型接收文本对（例如用户查询和候选文档）作为输入，并使用单个塔结构来计算和输出两个文本的关系得分。开放式资源如下：ModelsCope：https：//modelscope.cn/collections/qwen3-medding-3edc3762d50f48https ://modelscope.cn/collections/collections/qollections/QWEN3-RENKER-RENKER-RENKER-RENKER-RENKER-RENKER-6316E71B1B1B1B146C46C 4FHUGGNGGIN： https://huggingface.co/collections/qwen/qwen3-mpedding-6841b2055b99c4444d9a4c371fhttps://huggingface.co/collections.co/collections/qollections/qwen3-reranker-qwen3-reranker-6841b22222d7adectectecon. https://github.com/qwenlm/qwen3-mpedding技术报告：https：//github.com/qwenlm/qwenlm/qwen3-mpedding/blob/blob/main/main/qwen3_embedding_technical_technical_report.pdf
