MTEB基准测试中的数据集与任务命名规范问题分析
2025-07-01 10:08:30作者:范靓好Udolf
在评估文本嵌入模型性能时,MTEB(Massive Text Embedding Benchmark)作为业界广泛使用的基准测试套件,其数据集的完整性和命名的准确性至关重要。近期社区发现MTEB在论文描述与在线排行榜之间存在若干不一致现象,这些问题可能影响研究人员的评估工作。
数据集数量差异问题
技术团队在检查过程中发现,MTEB(eng)基准在论文不同章节中出现了三种不同的任务数量描述:
- 表1和第427行声称包含40个任务
- 第259行提及26个任务
- 实际排行榜和表16显示41个任务
类似地,多语言基准MTEB(multilingual)也存在数量差异:
- 论文中记录为131个任务
- 在线平台显示132个任务
经核查,这些差异主要源于基准测试的持续更新机制。例如MiraclRetrievalHardNegatives数据集是在论文初稿提交后新增的,导致版本迭代过程中出现统计口径不一致的情况。
命名规范性问题
社区成员同时指出了术语使用不规范的现象:
- 任务(Task)与数据集(Dataset)概念混用,例如BUCC作为数据集名称被错误标注为任务类型
- ClimateFEVERHardNegatives数据集在论文附录中有记录,但在排行榜界面未明确显示
- 多语言基准的默认展示方式容易使人误解"MMTEB"专指MTEB(multilingual),而实际上该缩写应涵盖所有子基准
技术解决方案
项目维护者已采取以下改进措施:
- 统一术语体系,将界面元素中的"dataset"表述修正为"task"
- 重建基准测试对照表,确保与最新代码分支保持一致
- 优化UI设计,使不同子基准(如eng/multilingual/code等)的切换更加醒目
未来优化方向
根据社区建议,技术团队计划:
- 建立全局概览页面,整合所有子基准的评估结果
- 采用分级展示策略:
- 通用型基准(多模态/多语言)
- 领域专项(代码/法律/医疗)
- 区域型基准(欧洲/印度语系)
- 单语言基准(中文/英文)
- 实现版本控制机制,确保论文与实现版本的严格对应
这些改进将显著提升基准测试的透明度和可用性,为文本嵌入技术的研究提供更可靠的评估基础。
登录后查看全文
热门项目推荐
相关项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0277community
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011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K

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++
508
44

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

React Native鸿蒙化仓库
C++
194
279

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)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
940
554

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
339
11

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

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