jina-reranker-v3.5

jina-reranker-v3.5 — это многоязычный listwise-переранжировщик документов с 0,6 миллиардами параметров, являющийся простым обновлением для jina-reranker-v3. Он сохраняет тот же listwise-интерфейс «last but not late» (LBNL) — ранжирование запроса по множеству кандидатов за один прямой проход — при этом улучшая устойчивость к изменениям предметной области, ранжирование структурированных данных, многоязычный поиск и эффективность инференса. Созданный на основе Qwen3-0.6B с 28 слоями, использующими гибридное внимание 3L2G (слои скользящего окна, окно 1024, чередующиеся со слоями глобального внимания и закрепленным конечным глобальным слоем, необходимым для LBNL) и легковесный MLP-проектор (1024→512→512), он поддерживает до 131 тыс. токенов контекста и ранжирует документы совместно с помощью каузального самовнимания и косинусной оценки. На BEIR он достигает показателя 63,20 nDCG-10 — выше, чем у 4B Qwen3-Reranker, при этом используя примерно в 7 раз меньше параметров — и работает в 1,22–1,56 раза быстрее, чем v3, в контекстах от коротких до длинных.

jina-reranker-v3.5 сохраняет структуру списка «последний, но не последний» (LBNL), как и jina-reranker-v3 — запрос и кандидаты используют одно контекстное окно, а контекстное встраивание считывается из последнего токена каждого документа — но заменяет равномерное глобальное внимание гибридной схемой 3L2G: внутри каждой группы слоев слои внимания со скользящим окном (окно 1024) чередуются со слоями глобального внимания, а конечный глобальный слой закрепляется по мере необходимости в соответствии с LBNL. Это снижает затраты внимания на длинные списки кандидатов, сохраняя при этом взаимодействие между документами. Модель обучается с использованием самодистилляции для устойчивого к доменным задачам поиска, а ее проектор MLP выдает 512-мерные встраивания (1024→512→512).

В рамках единого протокола топ-100 с jina-embeddings-v5-text-small в качестве первого этапа, jina-reranker-v3.5 набирает 63,20 nDCG-10 по BEIR, 74,11 по MIRACL, 70,95 по RTEB и 48,3 по Struct-IR, превосходя jina-reranker-v3 (62,10 / 72,20 / 68,01 / 38,7) по всем параметрам. Его показатель BEIR превосходит 4B Qwen3-Reranker (62,28) при примерно в 7 раз меньшем количестве параметров и лидирует среди всех оцененных реранжировщиков 0,6B классов. Относительный прирост по сравнению с версией 3 включает +1,10 BEIR, +2,6% MIRACL, +4,3% RTEB (с существенным улучшением при поиске юридической информации) и +24,8% при ранжировании структурированных данных (Struct-IR). Вывод по спискам выполняется в 1,22–1,56 раза быстрее, чем в версии 3, от коротких до длинных контекстов (A100, FlashAttention-2).

jina-reranker-v3.5 — это полная замена jina-reranker-v3: схема запроса остается неизменной, поэтому достаточно просто изменить строку модели с jina-reranker-v3 на jina-reranker-v3.5. Она ранжирует запрос по полному списку кандидатов за один вызов — передайте документы через стандартную конечную точку переранжирования и используйте top_n для ограничения возвращаемых результатов или установите return_embeddings для получения также векторных представлений документов. Модель особенно эффективна при ранжировании структурированных данных, поиске юридической и другой предметной информации, а также в многоязычных коллекциях, а ее гибридная архитектура внимания обеспечивает низкую задержку при работе с длинными списками кандидатов. Доступно по лицензии CC-BY-NC-4.0 на Hugging Face; свяжитесь с нами для коммерческого использования.