首页
/ MTEB基准测试中的数据集与任务命名规范问题分析

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:

  1. 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
  2. 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
  3. 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:

  1. 统一术语体系,将界面元素中的"dataset"表述修正为"task"
  2. 重建基准测试对照表,确保与最新代码分支保持一致
  3. 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:

  1. 建立全局概览页面,整合所有子基准的评估结果
  2. 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)
  3. 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

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
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
868
514
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183
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
272
311
HarmonyOS-ExamplesHarmonyOS-Examples
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
CangjieCommunityCangjieCommunity
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开源商城ShopXO开源商城
🔥🔥🔥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
note-gennote-gen
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-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58
GitNextGitNext
基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3