小红花·文摘
  • 首页
  • AI Tokens🪙
  • 排行榜🏆
  • 直播
  • FAQ
Dify.AI
沉浸式翻译 immersive translate
代码微调的嵌入模型值得吗?papr-embed-code-1 在 Qdrant 中的表现

文章比较了代码专用嵌入模型papr-embed-code-1与基座Qwen3-Embedding在Qdrant中的表现。在未见代码上,0.6B和4B版本均提升约0.03 nDCG@10,但散文检索略有下降。4B模型压缩至1比特后仍优于0.6B浮点版,内存减少12倍。在百万级代码库中,压缩几乎无损且速度更快。BM25混合检索普遍无益。建议代码检索采用4B模型加1比特量化并重打分,以散文为主则使用基座模型。

代码微调的嵌入模型值得吗?papr-embed-code-1 在 Qdrant 中的表现

Qdrant - Vector Database Qdrant - Vector Database · 2026-11-18T00:00:00Z
  • <<
  • <
  • 1 (current)
  • >
  • >>
👤 个人中心
在公众号发送验证码完成验证
登录验证
在本设备完成一次验证即可继续使用

完成下面两步后,将自动完成登录并继续当前操作。

1 关注公众号
小红花技术领袖公众号二维码
小红花技术领袖
如果当前 App 无法识别二维码,请在微信搜索并关注该公众号
2 发送验证码
在公众号对话中发送下面 4 位验证码
小红花技术领袖俱乐部
小红花·文摘:汇聚分发优质内容
小红花技术领袖俱乐部
Copyright © 2021-
粤ICP备2022094092号-1
公众号 小红花技术领袖俱乐部公众号二维码
视频号 小红花技术领袖俱乐部视频号二维码