模型介绍
中文整理# MegaPairs 模型卡片
模型用途
MegaPairs是一种新型数据合成方法，利用开放域图像创建异构KNN三元组，用于通用多模态检索。配套训练的多模态检索模型BGE-VL包括BGE-VL-CLIP（base和large版本）和BGE-VL-MLLM。
## 主要能力
零样本组合图像检索：在CIRCO基准测试中，BGE-VL-base仅用1.49亿参数就超越了所有先前模型（这些模型参数多至50倍）。BGE-VL-MLLM在CIRCO上相比先前最优模型提升8.1%。
大规模多模态嵌入基准（MMEB）表现：BGE-VL-MLLM在零样本条件下达到最优性能，仅使用ImageText-to-Image范式训练即展现出优秀的泛化能力。微调后，在MMEB分布外（OOD）数据集上超越先前最优模型7.1%。
可扩展性与效率：BGE-VL-base随训练数据增加持续提升。仅用50万训练样本即可显著超越使用3670万样本训练的MagicLens（两者使用相同的CLIP-base骨干网络）。
## 输入输出
支持三种输入类型：纯文本、纯图像、文本与图像组合输入。图像需调整为512x512分辨率。查询输入可附加任务指令提示，候选输入则无需提示。
运行要求
使用Sentence Transformers框架。需安装Sentence Transformers库。
基本用法
基于Sentence Transformers加载模型。具体用法可参考官方演示示例。
许可证
MegaPairs数据集注释和BGE-VL模型采用MIT许可证。数据集中图像来源于Recap-Datacomp，该数据集采用CC BY 4.0许可证。
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
所选固定版本的完整仓库文件，包括模型权重、配置、分词器，以及作者提供的说明和其他文件。自动保留目录结构，不需要逐个选择或下载。
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。