FlagEmbedding은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?

FlagEmbedding은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.

FlagEmbedding은(는) 아직 유지보수되고 있나요?

6개월 이내 업데이트. FlagEmbedding의 마지막 커밋은 2026년 8월 24일입니다.

FlagEmbedding은(는) 어디에 사용할 수 있나요?

문서 모음에서 시맨틱 검색 구축. RAG 파이프라인에 검색 단계를 추가하고 상위 k개 결과에 리랭커 적용. 도메인별 쿼리와 문장 쌍으로 임베딩 모델 파인튜닝. 중국어 또는 다국어 검색 품질 벤치마킹.

FlagEmbedding는 어떻게 설치하나요?

pip으로 패키지를 설치합니다: pip install -U FlagEmbedding Python에서 BGE 임베딩 모델을 불러옵니다 문장을 인코딩하고 유사도를 계산합니다

FlagEmbedding은(는) 어디서 받을 수 있나요?

소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/FlagOpen/FlagEmbedding

FlagOpen/FlagEmbedding

BAAI의 검색 툴킷으로, BGE 임베딩 및 리랭커 모델과 검색·RAG를 위한 학습, 평가, 튜토리얼을 제공합니다.

GitHub에서 보기 웹사이트

스타: 12,259
포크: 1,105
열린 이슈: 924
마지막 커밋: 2개월 전

어떤 프로젝트인가요?

FlagEmbedding(BGE, BAAI General Embedding)은 텍스트 검색 및 검색 증강 LLM 애플리케이션을 위한 툴킷입니다. 시맨틱 검색에 사용할 텍스트 임베딩 벡터를 생성하는 임베딩 모델 제품군과, 임베딩 모델이 반환한 상위 결과의 순서를 재정렬하는 cross-encoder 리랭커 모델을 제공합니다.

이 프로젝트는 전체 워크플로를 다룹니다. pip로 설치할 수 있는 Python 패키지를 통한 추론, 임베딩 모델과 리랭커 모델의 파인튜닝 스크립트, 평가 도구, 데이터셋 모음을 제공합니다. 모델은 Hugging Face에 공개되어 있으며 영어, 중국어, 다국어 버전이 포함됩니다. BGE-M3 모델은 최대 8192토큰 길이의 입력에 대해 dense, sparse, multi-vector 검색을 지원합니다.

핵심 모델 외에도 저장소에는 검색 증강을 위한 LLM-Embedder, LLM의 컨텍스트 길이를 늘리는 Activation-Beacon, 중국어 임베딩 벤치마크인 C-MTEB 등의 연구 프로젝트가 포함되어 있습니다.

핵심 기능

01BGE 임베딩 및 리랭커 모델을 실행할 수 있는 pip 설치형 Python 패키지.
02dense, sparse, multi-vector 검색을 지원하는 다국어 BGE-M3 모델.
03임베딩 모델과 리랭커 모델을 위한 파인튜닝 스크립트.
04검색 벤치마크를 위한 평가 도구와 데이터셋 모음.
05영어, 중국어, 다국어 사용을 지원하는 Hugging Face 공개 모델.

활용 사례

문서 모음에서 시맨틱 검색 구축.
RAG 파이프라인에 검색 단계를 추가하고 상위 k개 결과에 리랭커 적용.
도메인별 쿼리와 문장 쌍으로 임베딩 모델 파인튜닝.
중국어 또는 다국어 검색 품질 벤치마킹.

빠른 시작

1
pip으로 패키지를 설치합니다
pip install -U FlagEmbedding
2
Python에서 BGE 임베딩 모델을 불러옵니다
3
문장을 인코딩하고 유사도를 계산합니다

사용 전 알아둘 점

파인튜닝을 하려면 추가 finetune 의존성을 별도로 설치해야 합니다.

토픽

#embeddings #information-retrieval #rag #reranker #semantic-search #sentence-embeddings #nlp #llm #retrieval-augmented-generation #text-semantic-similarity

자주 묻는 질문

FlagEmbedding은(는) 무엇인가요?: BAAI의 검색 툴킷으로, BGE 임베딩 및 리랭커 모델과 검색·RAG를 위한 학습, 평가, 튜토리얼을 제공합니다. FlagEmbedding(BGE, BAAI General Embedding)은 텍스트 검색 및 검색 증강 LLM 애플리케이션을 위한 툴킷입니다. 시맨틱 검색에 사용할 텍스트 임베딩 벡터를 생성하는 임베딩 모델 제품군과, 임베딩 모델이 반환한 상위 결과의 순서를 재정렬하는 cross-encoder 리랭커 모델을 제공합니다.
FlagEmbedding은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?: FlagEmbedding은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
FlagEmbedding은(는) 아직 유지보수되고 있나요?: 6개월 이내 업데이트. FlagEmbedding의 마지막 커밋은 2026년 8월 24일입니다.
FlagEmbedding은(는) 어디에 사용할 수 있나요?: 문서 모음에서 시맨틱 검색 구축. RAG 파이프라인에 검색 단계를 추가하고 상위 k개 결과에 리랭커 적용. 도메인별 쿼리와 문장 쌍으로 임베딩 모델 파인튜닝. 중국어 또는 다국어 검색 품질 벤치마킹.
FlagEmbedding는 어떻게 설치하나요?: pip으로 패키지를 설치합니다: pip install -U FlagEmbedding Python에서 BGE 임베딩 모델을 불러옵니다 문장을 인코딩하고 유사도를 계산합니다
FlagEmbedding은(는) 어디서 받을 수 있나요?: 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/FlagOpen/FlagEmbedding

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.