Training and Finetuning Multimodal Embedding & Reranker Models with Sentence Transformers

L’article montre comment entraîner ou finetuner des modèles d’embeddings et de reranker multimodaux (texte, images, audio, vidéo) avec Sentence Transformers. Il détaille les composants d’entraînement (modèle, dataset, loss, arguments, évaluateur, trainer) à travers un cas pratique de Visual Document Retrieval avec Qwen3-VL-Embedding-2B, améliorant significativement le NDCG@10.

Source

HuggingFace Blog

Ingested

APR 16, 2026 · 19:10

Editorial score

5.0 / 5