index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
智源研究院开源了多模态检索模型BGE-VL系列，包括BGE-VL-CLIP（base版和large版）和BGE-VL-MLLM。这些模型可用于图文检索，支持RAG和Agentic应用。BGE-VL基于MegaPairs数据集训练，该数据集通过开放领域的图像合成异构KNN三元组，包含超过2600万个三元组。BGE-VL在零样本组合图像检索任务中表现出色，BGE-VL-MLLM在MMEB上实现了最先进的零样本性能，展示了MegaPairs在多模态嵌入方面的强大泛化能力。
🖼️ BGE-VL模型系列：智源研究院发布了BGE-VL系列多模态检索模型，包含BGE-VL-CLIP（base版和large版）以及BGE-VL-MLLM，这些模型能够进行图文检索，适用于RAG和Agentic应用场景。
💡 MegaPairs数据集：BGE-VL模型基于MegaPairs数据集训练，该数据集采用新颖的数据合成方法，利用开放领域的图像创建异构KNN三元组，总共包含超过2600万个三元组，为模型的训练提供了坚实的基础。
🥇 卓越的零样本性能：BGE-VL在零样本组合图像检索任务中表现出色，BGE-VL-base模型在CIRCO基准测试中超越了所有之前的模型。BGE-VL-MLLM在大规模多模态嵌入基准测试（MMEB）上实现了最先进的零样本性能，展现了MegaPairs在多模态嵌入方面的强大泛化能力。
2025-03-31 22:22 湖北
智源研究院BAAI开源一系列多模态检索模型BGE-VL，包括BGE-VL-CLIP（base版和large版）和BGE-VL-MLLM。可很方便使用BGE-VL-CLIP模型，支持图文检索召回图文，可用于RAG、Agentic应用场景。import torchfrom transformers import AutoModelMODEL_NAME = "BAAI/BGE-VL-base" model = AutoModel.from_pretrained(MODEL_NAME, trust_remote_code=True) model.set_processor(MODEL_NAME)model.eval()with torch.no_grad(): query = model.encode( images = "./assets/cir_query.png", text = "Make the background dark, as if the camera has taken the photo at night" ) candidates = model.encode( images = ["./assets/cir_candi_1.png", "./assets/cir_candi_2.png"] ) scores = query @ candidates.Tprint(scores)
BGE-VL在MegaPairs上训练而成，这是一种新颖的数据合成方法，利用开放领域的图像创建异构KNN三元组，用于通用多模态检索，包含超过2600万个三元组。零样本组合图像检索BGE-VL在零样本组合图像检索任务中树立了新的性能标杆。在CIRCO基准测试中，BGE-VL-base模型，尽管只有1.49亿个参数，却超越了所有之前的模型，包括那些参数量多出50倍的模型。此外，BGE-VL-MLLM相较于之前的最先进模型，性能提升了8.1%。
在MMEB上的零样本性能尽管仅在图像文本到图像的范式下进行训练，BGE-VL-MLLM在大规模多模态嵌入基准测试（MMEB）上实现了最先进的零样本性能。这表明MegaPairs在多模态嵌入方面具有出色的泛化能力。
更多信息：《动手设计AI Agents：CrewAI版》、《高级RAG之36技》、新技术实战：中文Lazy-GraphRAG/Manus+MCP/GRPO+Agent、大模型日报/月报、最新技术热点追踪解读（GPT4-o/数字人/MCP/Gemini 2.5 Pro）
欢迎关注我的公众号“PaperAgent”，每天一篇大模型（LLM）文章来锻炼我们的思维，简单的例子，不简单的方法，提升自己。
阅读原文
跳转微信打开
