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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-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~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0313- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (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
868
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

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
272
311

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
373

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3