MTEB项目1.38.30版本发布:修复SNL数据集问题并新增多语言嵌入模型
MTEB(Massive Text Embedding Benchmark)是一个用于评估大规模文本嵌入模型的基准测试框架。该项目旨在为研究人员和开发者提供一个标准化的评估平台,帮助他们比较不同文本嵌入模型在各种自然语言处理任务中的性能表现。通过MTEB,用户可以全面了解模型在检索、分类、聚类等不同场景下的表现。
本次发布的1.38.30版本主要包含两个重要更新:修复了SNL数据集不可用的问题,并新增了三个多语言嵌入模型。
SNL数据集修复
在本次更新中,开发团队重新上传了之前不可用的SNL数据集,解决了issue #2477中报告的问题。SNL数据集是MTEB基准测试中的重要组成部分,用于评估模型在特定领域的表现。此前由于某些技术原因,这些数据集暂时无法访问,影响了部分测试的进行。
开发团队不仅修复了数据集的可用性问题,还对相关测试代码进行了清理,移除了之前为临时解决问题而添加的异常处理代码。这一修复确保了基准测试的完整性和可靠性,使研究人员能够继续使用这些数据集进行模型评估。
新增多语言嵌入模型
本次更新引入了三个来自HIT-TMG的KaLM-embedding多语言模型:
- KaLM-embedding-multilingual-mini-instruct-v1
- KaLM_embedding_multilingual_mini_instruct_v1_5
这些模型的特点是支持指令式嵌入(instruct embedding),即可以根据不同的指令提示生成有针对性的嵌入表示。开发团队为这些模型实现了专门的指令包装器(InstructSentenceTransformerWrapper),支持通过提示字典(prompts_dict)来指定不同的指令格式。
在实现过程中,团队特别关注了指令格式的标准化问题,确保不同模型和任务之间指令格式的一致性。这对于保证评估结果的公平性和可比性至关重要。
其他改进
除了上述主要更新外,本次发布还包括以下改进:
- 更新了任务和基准测试表格,确保文档与代码实现保持同步
- 为GitHub issue模板添加了更详细的描述,帮助用户更清晰地报告问题
- 修复了一些代码格式问题,提高了代码的可读性和可维护性
技术意义
MTEB 1.38.30版本的发布对于文本嵌入领域的研究具有重要意义:
- 数据集完整性的恢复确保了基准测试的全面性和可靠性
- 新增的多语言指令式嵌入模型扩展了评估范围,反映了当前嵌入模型发展的最新趋势
- 指令格式的标准化工作为未来更多指令式嵌入模型的评估奠定了基础
这些改进使MTEB能够更好地服务于文本嵌入领域的研究人员和开发者,帮助他们开发出更强大、更通用的文本表示模型。
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~0276community
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









