模型介绍
中文整理# Qwen3-Reranker-4B 模型卡片
## 模型类型与用途
Qwen3-Reranker-4B 是阿里云 Qwen3 系列的文本重排序模型，专门用于对检索候选文档进行重新排序，将最相关的文档排在更靠前的位置。该模型基于 Qwen3 密集基础模型构建，继承了其出色的多语言能力、长文本理解和推理能力。
## 主要能力
该模型支持超过 100 种语言，包括多种编程语言，具备强大的多语言、跨语言和代码检索能力。在各项基准测试中表现优异：MTEB-R 得分 69.76，CMTEB-R 得分 75.94，MMTEB-R 得分 72.74，MTEB-Code 得分 81.20，FollowIR 得分 14.84。评估基于 Qwen3-Embedding-0.6B 检索的前 100 个候选文档进行重排序。
## 输入输出格式
输入为查询（query）和候选文档列表，输出为重排序后的文档及其相关性分数。模型支持自定义指令来提升特定任务、语言或场景下的性能。评估表明，使用指令通常比不使用可提升 1% 至 5% 的性能。建议开发者根据具体任务场景定制指令，在多语言场景下推荐使用英文指令。
运行要求
模型参数规模为 4B，上下文长度为 32k，层数为 36 层。需要 GPU 进行推理运行。详细的硬件要求和推理性能请参考官方博客和 GitHub 仓库。
基本用法
该模型可通过 Sentence Transformers、Transformers 和 vLLM 三种方式使用。使用 Sentence Transformers 时，默认输出为原始 logit 差值，如需 0-1 概率分数可传入 Sigmoid 激活函数。模型使用默认提示词 "query"，可通 prompts 参数提供自定义指令。
## 限制说明
模型在多语言场景下建议使用英文指令，因为训练过程中使用的大多数指令原本为英文编写。开发者应根据具体场景、任务和语言定制指令以获得最佳效果。
许可证
如需引用该模型，请参考官方提供的引用方式。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。