标题：仅1/70数据量，多模态检索效果更优！智源发布BGE-VL，合成数据立大功

BGE系列模型自发布以来广受好评。近日，智源研究院联合多所高校开发了多模态向量模型BGE-VL，进一步扩展了原有生态体系。BGE-VL在图文检索、组合图像检索等主要多模态检索任务中表现最佳，借助大规模合成数据MegaPairs训练。

MegaPairs具有两大核心优势： - 优异的可扩展性：高效挖掘多模态三元组数据，以低成本生成多样化且高质量的多模态三元组，此次发布的版本包含2600万条样本。 - 卓越的数据质量：仅需1/70的数据量即可实现更优的训练效果，显著提升多模态检索模型的性能。

BGE-VL的技术报告已发布，相关数据、模型及代码资源将向社区开放。

MegaPairs通过挖掘图像数据集中的多样图像对，利用开源模型生成高质量的多模态检索指令，构建出大规模、高质量的多模态检索指令数据集。基于MegaPairs数据，智源BGE团队训练了多款多模态检索模型，显著提升性能。

在MMEB基准测试中，BGE-VL在多项任务上实现了最优性能，甚至在未包含相关任务数据的情况下仍能泛化良好。在CIRCO评测集上，BGE-VL刷新了现有基准，大幅超越谷歌和英伟达的对比模型。

未来，智源将继续探索MegaPairs与更多多模态检索场景结合，打造更全能的多模态检索器。更多详情请参考论文。