Hugging Face presentó seis CrossEncoders Ettin Reranker, entrenados con una receta de distilación y diseñados para reordenar resultados recuperados por embedders. Aceptan hasta 8K tokens y ofrecen distintos puntos entre velocidad y precisión para producción.
Los modelos multimodales generales rinden bien en tareas diversas, pero no siempre son óptimos para casos específicos como la recuperación de páginas de documentos. Aquí explico cómo entrenar y afinar modelos multimodales en Sentence Transformers y muestro un ejemplo práctico con mejoras claras en VDR.
Sentence Transformers v5.4 añade soporte multimodal: texto, imágenes, audio y video comparten un mismo espacio de embeddings. En este artículo explico cómo instalar, cargar modelos, calcular similitudes cruzadas y usar rerankers multimodales con ejemplos y consideraciones prácticas para equipos en Latinoamérica.