BrownTen

BGE ReRanker base & large的区别

1

请问作者，bge-reranker-large 和 bge-reranker-base 的区别 是什么？（以下是我的几个猜想。） - 训练数据更大？ - 支持更多语言？ - 提供更多选择，根据自己资源配置选 large or base？ 我看到了作者在Reranking的模型排名，large相比base在平均得分上高出1%左右 我也看到了其他博主的测评，large相比base看上去对passage ranking的结果有一定提升，但好像也提升的不多。 所以我在考虑**在有限的资源上，应该选择 large还是 base**？

关于BGE-ReRanker的构建

1

我已经了解： - BGE-ReRanker是以xlm-roberta为基座，通过大量的多语言数据集（query，pos，neg）进行训练的一个Cross-Encoder。 - 一个支持STS任务的Cross-Encoder的[训练方法](https://github.com/UKPLab/sentence-transformers/blob/master/examples/training/cross-encoder/training_stsbenchmark.py)，通过（sentence1，sentence2，label）这样的数据对基座模型进行训练。 请问： 1. BGE-ReRanker的训练方法和Cross-Enconder for STS的这个训练方式是否一致？ 2. BGE-ReRanker的训练方法，大概是一个怎样的过程？ 3. BGE-ReRanker是否有提供相应的Paper？