BGE-M3

概述

BGE-M3 是智源研究院（BAAI）开源的多语种、多粒度嵌入模型，支持多语言、多粒度文本的向量表示，是目前中文场景下最主流的嵌入模型之一，广泛用于 RAG 系统的向量检索环节。

关键内容

1. 多语种支持：支持超过 100 种语言的文本嵌入，适用于多语言 RAG 场景
2. 多粒度处理：支持文档级、段落级、句子级等不同粒度的嵌入表示
3. 相似度阈值实践：行业通用分级标准为 >0.85 极度相似、0.6-0.85 语义相关、<0.6 基本不相关，高精度场景下 0.78 是平衡召回率和精确率的最优值
4. 阈值确定方法：构建正例（同义句）和负例（无关句）测试集，人工标注后构建相似度直方图，找到正负例分界点
5. 局限性：余弦相似度本身不具备绝对语义意义，分布受文本长度、领域、语言复杂度影响，固定阈值无法适配所有场景

来源

• raw/articles/essays/thinking-series/008-算法面试 — 全文

相关

• BGE-Reranker — relates_to（同属 BGE 系列，检索链路上下游）
• RFF融合 — relates_to
• Embedding — part_of
• 近似最近邻检索 — uses