Hugging Face представила семью моделей EttE Reranker
Новые модели Ettin Reranker от Hugging Face обещают улучшить точность поиска и ранжирования, поддерживают мультилингвальность и интеграцию с популярными фреймворками.
В блоге Hugging Face от 19 мая 2026 объявлена серия новых моделей под названием Ettin Reranker Family. Семья включает три версии – Ettin‑Base, Ettin‑Large и Ettin‑XL – построенные на трансформер‑архитектуре с двойным‑токенным обучением. Основная цель моделей – пере‑ранжировать результаты поисковых систем и Retrieval‑Augmented Generation (RAG)‑пайплайнов, повышая релевантность за счёт обучения на более чем 200 млн пар запрос‑документ с реальными кликами пользователей.
Ключевые характеристики:
- Мультилингвальность: поддержка 30 языков, включая редкие (тибетский, казахский).
- Эффективность: Ettin‑Base достигает 2‑х кратного ускорения инференса по сравнению с предыдущими rerank‑моделями, а Ettin‑XL сохраняет точность (+3,2 % NDCG@10) при том же бюджете вычислений.
- Открытый код: модели опубликованы в репозитории
huggingface/transformersи доступны через API Inference, а также через интеграцию с LangChain, Haystack и OpenSearch. - Лёгкая настройка: предоставляются готовые скрипты для fine‑tuning на пользовательских клик‑логах и наборы данных MS MARCO, TREC‑DL.
Семейство также включает Ettin‑Rerank‑Adapter, позволяющий добавить пере‑ранжирование в уже обученные модели без полного переобучения. Все модели лицензированы под Apache 2.0, что упрощает их коммерческое использование.
Подробнее о каждой модели и инструкциях по развертыванию можно узнать в оригинальном посте: https://huggingface.co/blog/ettin-reranker.
Для разработчиков, работающих с поисковыми и RAG‑системами, Ettin Reranker открывает возможность быстро повысить качество выдачи без значительных затрат на инфраструктуру. Интеграция через LangChain и готовые адаптеры упрощает экспериментирование, но стоит помнить о необходимости качественных клик‑логов для дообучения, иначе выгода может быть ограничена.
