Qwen3-Reranker-0.6B

# Qwen3-Reranker-0.6B 模型卡片

模型用途

Qwen3-Reranker-0.6B 是阿里云 Qwen3 系列的文本重排序模型，专门用于对检索系统返回的候选文档进行相关性排序。该模型基于 Qwen3 密集基础模型构建，继承了其优秀的多语言能力、长文本理解和推理能力。

## 主要能力

• **文本重排序**：对检索候选结果进行二次排序，提升最终结果的相关性
• **多语言支持**：支持超过100种语言，包括多种编程语言
• **跨语言检索**：具备强大的多语言和跨语言检索能力
• **代码检索**：支持代码相关的检索任务
• **指令支持**：支持用户自定义指令，可针对特定任务、语言或场景进行优化

## 输入输出

• **输入**：查询（query）和候选文档（passage）
• **输出**：相关性分数，用于对候选文档进行排序
• **上下文长度**：支持最长32K tokens

运行要求

• **参数规模**：0.6B（约6亿参数）
• **层数**：28层
• **硬件要求**：具体硬件要求和推理性能请参考官方博客和GitHub

基本用法

该模型可与 Sentence Transformers、Transformers 和 vLLM 配合使用。

使用 Sentence Transformers 时，默认输出为原始 logit 差值。如需获取0-1范围内的概率分数，可传入 Sigmoid 激活函数。模型使用默认提示词 "query"，会注入指令"Given a web search query, retrieve relevant passages that answer the query"。可通过 prompts 参数提供自定义指令。

限制

• 评估表明，对于大多数下游任务，使用指令（instruct）通常比不使用提升1%至5%的性能
• 建议开发者根据具体任务和场景创建定制化指令
• 在多语言场景下，建议使用英文编写指令，因为模型训练过程中使用的大多数指令原本为英文
• 测试显示，在大多数检索场景中，不在查询侧使用 instruct 可能导致检索性能下降约1%至5%

许可证

原文未提供许可证相关信息。