本次演讲将围绕 Qwen-Embedding 与 Qwen-VL-Embedding 系列模型，介绍向量表示与排序模型的发展脉络、关键优化技术、训练数据构造方法及典型应用场景。内容将结合文本与多模态 Embedding、Rerank 的基础背景，重点分享 Qwen 系列模型在效果优化、使用方法和实践落地中的经验，并展望 Embedding 与 Rerank 技术未来的发展方向。

演讲提纲

1. Embedding & Rerank 发展历史介绍
   • 文本 Embedding 历史介绍
   • 多模态 Embedding 历史介绍
   • Rerank 背景知识介绍
2. Qwen-Embedding & Qwen-VL-Embedding 介绍
   • 对比学习优化
   • 训练数据构造方法
   • 模型效果介绍
3. Qwen-Embedindg & Qwen-VL-Embedding 应用场景介绍
   • 应用场景举例
   • 使用方法说明
4. 发展与展望
   • Embeding、Rerank发展方向说明

这样的技术在实践过程中有哪些痛点？

• 需要使用者对模型能力有基本的了解，懂得如何在性能和效果之间进行平衡。

演讲亮点

•  Qwen-VL-Embedding/Reranker是业界领先的多模态向量/排序模型，在多个榜单上效果排名第一，特别是在视觉文档场景效果优秀

听众收益

• 了解多模态向量表示与排序模型的最新进展与应用场景。