首页
/ MTEB项目新排行榜模型缺失问题分析

MTEB项目新排行榜模型缺失问题分析

2025-07-01 21:09:30作者:申梦珏Efrain

背景介绍

MTEB(大规模文本嵌入基准)项目近期更新了其排行榜系统,但在新系统中出现了模型数量大幅减少的情况。具体表现为:在mteb经典排行榜上,新系统仅显示108个模型,而旧系统则包含382个模型。这种显著的差异引起了项目贡献者和用户的关注。

问题表现

通过对比新旧排行榜系统,可以观察到以下现象:

  1. 新系统模型数量仅为旧系统的28%左右
  2. 部分在旧系统中排名靠前的模型在新系统中消失
  3. 中文排行榜受影响尤为明显,多个表现优异的模型未被包含

原因分析

经过项目维护团队的调查,发现造成这种差异的主要原因包括:

  1. 模型元数据问题:部分模型缺乏必要的元数据信息,导致无法在新系统中正确显示。维护团队已经为大多数模型实现了元数据,但仍有一些模型存在信息缺失。

  2. 零样本测试限制:新系统对模型的零样本能力有更严格的要求,一些不符合这一标准的模型被排除在外。

  3. 结果文件问题:某些模型虽然存在于系统中,但由于结果文件缺失或存在问题,导致无法显示在排行榜上。

  4. 模型信息不透明:特别是中文排行榜中的部分模型,存在严重的信息缺失问题。例如:

    • 某些模型在仓库中完全缺失
    • 部分模型缺乏基本的README文档说明
    • 一些模型的来源和训练方法完全未知

解决方案

项目团队采取了以下措施来解决这些问题:

  1. 手动审查模型:维护人员对大量模型进行了人工审查,特别是中文排行榜中的模型。

  2. 元数据补充:为符合条件的模型补充必要的元数据信息。

  3. 信息验证:对于信息不透明的模型,团队通过讨论区等方式尝试联系模型作者获取更多信息。

  4. 系统优化:修正了部分模型(如gme-Qwen)未被包含的系统疏忽。

后续计划

项目团队将继续:

  1. 对比新旧排行榜,确认所有缺失模型的状态
  2. 为每个缺失模型建立明确的排除标准
  3. 完善系统自动检测机制,减少人工干预需求
  4. 加强模型提交规范,要求更完整的文档和元数据

总结

MTEB项目排行榜的更新反映了对模型质量和透明度要求的提高。虽然短期内导致了模型数量的减少,但从长远来看,这将有助于建立更可靠、更具参考价值的基准系统。项目团队正在积极解决过渡期间出现的问题,并致力于为用户提供更准确、更全面的模型评估服务。

登录后查看全文
热门项目推荐
相关项目推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
509
44
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
941
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
345
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70