用 Sentence Transformers 微调多模态检索模型

教程Hugging Face2026年4月16日7 分钟阅读

这篇文章讲的是，怎么用 Sentence Transformers 训练或微调多模态 embedding 和 reranker 模型，目标场景包括检索增强生成（RAG）、语义搜索和视觉文档检索。作者拿 `Qwen/Qwen3-VL-Embedding-2B` 做了个视觉文档检索实验，微调后在自己的评测集上把 NDCG@10 从 0.888 提到了 0.947，超过了他测试过的所有现有 VDR 模型，包括体积大 4 倍的模型。

本文编译自 Training and Finetuning Multimodal Embedding & Reranker Models with Sentence Transformers，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊