微软发布 Harrier 系列嵌入 AI 模型，MTEB-v2 基准测试超越谷歌夺冠

IT之家 4 月 9 日消息，微软必应（Bing）团队于 4 月 7 日发布博文，宣布为满足现代 AI 智能体系统对信息处理的高标准需求，开源推出业界领先的文本嵌入模型系列 Harrier，该模型在多语言 MTEB-v2 基准测试中排名第一。IT之家注：嵌入模型是一种将文本、图像等高维数据转换为低维向量表示的技术，捕捉数据的语义特征，让相似内容在向量空间中距离更近。在 AI 领域，它是搜索引擎、推荐系统和智能体进行信息检索、语义理解和知识推理的基础组件，直接决定了系统处理信息的质量与效率。针对 AI 系统从单纯问答向执行操作转变过程中的“落地”难题，微软 Harrier 系列模型进一步提升嵌入质量，显著提升首次检索的事实准确率，降低系统延迟与成本，并有效减少模型幻觉，从而增强用户信任。此次发布的 Harrier 系列包含三个版本：Harrier-OSS-v1-27B、Harrier-OSS-v1-0.6B 和 Harrier-OSS-v1-270M。所有型号均支持超过 100 种语言，具备 32k 上下文窗口，并能为任意输入生成固定尺寸的嵌入向量。技术实现上，团队构建了可扩展的数据管道，利用 GPT-5 生成了超 20 亿个弱监督数据样本用于对比预训练，以及超 1000 万个高质量样本用于微调。在训练策略上，团队为适配低端设备的部署需求，基于 E5 及 GritLM 等前期成果，在旗舰模型训练完成后，通过知识蒸馏技术推出了 Harrier-OSS-v1-0.6b 与 Harrier-OSS-v1-270m 两个轻量级版本。在权威的多语言 MTEB-v2 基准测试中，Harrier 模型成功超越谷歌 Gemini Embedding 2，位列行业第一。与竞品相比，Harrier 模型不仅性能优异，更采用完全开源策略。开发者可在无许可限制的情况下使用该模型，从而轻松提升 AI 应用的检索质量与语义理解能力。基于 Harrier 的技术积累，微软正开发全新的检索服务。该服务将提供更优质的检索质量、更强的语义理解能力以及更稳健的上下文选择，未来将率先应用于必应搜索，以提升用户交互体验。广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。