Nemotron-3.5-Rerank-8B-BF16、テキストと画像の関連度を測るリランカー

モデル

Nemotron-3.5-Rerank-8B-BF16、テキストと画像の関連度を測るリランカー

スポンサーリンク

Nemotron-3.5-Rerank-8B-BF16が公開。テキストと画像の関連度を測るリランカー。

この記事のポイント

  • テキストと画像の関連度を測るリランカー
  • 8BパラメータのMinistralベースで2段階学習
  • 商用利用可、OpenMDWライセンスで公開

数字で見る

この記事に出てくる数字

評価言語数 34言語
画像評価言語 18言語
モデルサイズ 8B

どこで使えるか

テキストと画像を含む文書を再ランクしたい人向け。多言語対応で商用利用可。 Hugging Faceで公開済み テキスト・画像両対応のReranker、ライセンスはother

スポンサーリンク

解説

かみくだいて説明します

NVIDIAが、文書とテキストの関連度を判定する reranker モデル Nemotron-3.5-Rerank-8B-BF16 を公開しました。テキスト検索は 34 言語、画像検索は 18 言語で評価されています。
34 言語と 18 言語、かなり広い範囲ですね。実際に AI の検索システムを組み立てる技術者が、自分で動かせるものなんですか?
商用でも非商用でも使えます。仕組みとしては、まず別のモデルが候補の文書をざっと拾い上げて、このモデルがそれを順番に詳しく見て、関連度が高い順に並べ直します。まるで図書館で司書が、まず検索機で本を引っ張ってきてから、一冊ずつ中身をチェックして最適な順番にするようなイメージです。
なるほど、二段階で精度を上げるんですね。画像とテキストが混ざった文書も対応するんですか。
はい。表やグラフ、図解が入ったページ画像でも判定できます。学習は二つの段階で行われていて、まずテキストだけのデータで 8B のモデルを鍛え、次に画像とテキストの組み合わせのデータでさらに仕込みを続けています。
8Bというモデルの規模は、要旨にはパラメータ数としてしか記載されていません。
通常の大型モデルが数千億規模なのに対し、こちらは 8B と比較的軽量に設計されています。重さが軽い分、データセンターのサーバーだけでなく、比較的スペックの高い端末でも動かせる余地が生まれます。
確かに扱いやすそうです。評価した言語と実際にサポートする言語が同じかどうか、そこは気になります。
評価対象は 34 言語と 18 言語ですが、それ以外の言語にも対応する可能性があります。そこは公式に明記されていません。
では、内部構造についても教えていただけますか。
画像を扱う部分に Pixtral 由来のエンコーダーを、文章を理解する部分に Ministral3 という双方向の言語モデルを組み合わせています。この組み合わせにより、テキストと画像の両方に対応した検索が可能になります。
商用利用の条件が OpenMDW License Agreement、バージョン 1.1 だという話ですね。ライセンスの決まりが気になります。
OpenMDW License Agreement、バージョン 1.1 に従います。なお、ベースとなった Ministral-3-8B-Instruct-2512-BF16 は Apache License、バージョン 2.0 です。
最後に、今後どのように展開していく見通しですか。
要旨には追加言語のサポート可能性が触れられていますが、具体的な計画や発表予定については言及がないため、今後どのように展開していくかは不明です。

出典

この記事のもとになった情報

※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。

スポンサーリンク

-モデル