INTERS 是模型训练领域的开源项目，由 DaoD 开发，2024 年首次发布。
它收录于模型训练分类，该分类目前共有 523 个项目，GitHub 星标数为 208。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-04-06。MIT许可证，可免费使用和部署。
它主要面向的使用场景是：搜索引擎结果排序优化。同类可对比的替代方案包括 RankLLaMA、TART、BGE。
INTERS
给大模型注入搜索能力，让检索结果更精准
INTERS 是一个面向搜索场景的大语言模型指令微调开源项目，源自同名论文。它旨在解决通用大模型在信息检索任务中表现不佳的问题，通过构建大规模的搜索指令数据集，对基础模型进行指令微调，从而解锁 LLM 在搜索领域的潜力。项目核心能力包括：提供覆盖查询理解、文档排序、摘要生成等多种搜索任务的指令数据；支持基于 LLaMA 等主流开源模型的微调训练；并公开了模型权重和训练代码，方便研究者和开发者复现与二次开发。INTERS 致力于弥合通用模型与专业搜索模型之间的差距，提升模型在搜索引擎、问答系统等场景中的检索相关性和用户体验。
开源
free
开源模型
GitHub 星标
★ 208
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队DaoD
所属国家
定价模式free
价格说明开源项目，MIT许可证，可免费使用和部署。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型datasets,information-retrieval,instruction-tuning,large-language-models
GitHub 星标★ 208
30天Star增速
HF 下载量
上线时间2024-01-05 00:00:00
最近更新2026-04-06 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数1
使用教程
核心亮点
- 首个大规模搜索指令微调数据集，覆盖多种检索任务
- 基于 LLaMA 微调，可直接用于排序、生成等场景
- 开源模型权重和训练代码，易于复现和扩展
不足之处
- 项目处于早期，文档和社区支持待观察
- 依赖特定基础模型，迁移到其他架构需额外适配
适用场景
- 搜索引擎结果排序优化
- 问答系统答案生成与相关性判断
- 企业级文档检索与知识库管理
替代项目
RankLLaMA、TART、BGE
项目介绍
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···