BGE-large-en
Weit verbreitetes allgemeines Embedding-Modell der BAAI für englischsprachigen Information Retrieval
BGE-large-en-v1.5 ist ein Texte-Embedding-Modell von BAAI (Beijing Academy of Artificial Intelligence), das im September 2023 als Aktualisierung des wenige Wochen zuvor veröffentlichten BGE-large-en erschien. Es hat 335 Millionen Parameter, erzeugt Embeddings mit 1.024 Dimensionen und verarbeitet Sequenzen bis zu 512 Tokens. Damit entspricht es eher der Größenklasse von BERT-Encodern als den späteren größeren, decoderbasierten Embedding-Modellen. Die Version 1.5 korrigierte vor allem ein Problem mit der Verteilung von Ähnlichkeitswerten der ursprünglichen Veröffentlichung und verbesserte die Retrieval-Qualität, wenn kein aufgabenspezifischer Instruktionspräfix verwendet wurde – eine Schwäche der ersten Version. BAAI veröffentlichte das Modell unter MIT-Lizenz. Es wurde eines der meistgenutzten offenen Embedding-Modelle für englischsprachiges Retrieval und RAG-Pipelines, vor allem weil es kostenlos, schnell ausführbar und gemessen an seiner Größe im MTEB-Benchmark leistungsfähig war. Inzwischen kamen größere und leistungsfähigere BAAI-Modelle wie BGE-M3 hinzu; BGE-large-en-v1.5 bleibt jedoch eine verbreitete Standardwahl für leichtgewichtiges, selbst gehostetes Retrieval.