首页
/ MTEB中文基准测试结果缺失问题分析与解决方案

MTEB中文基准测试结果缺失问题分析与解决方案

2025-07-01 01:10:08作者:裘旻烁

问题背景

MTEB(Massive Text Embedding Benchmark)中文基准测试(C-MTEB)在结果展示过程中出现了大量结果缺失的情况。经过深入调查,发现问题并非简单的数据分割缺失导致,而是与结果加载机制和数据结构变更有关。

核心问题分析

1. 主评分字段缺失问题

在检查intfloat/multilingual-e5-small模型的Cmnli任务结果时发现,结果文件中缺少main_score字段。该字段是结果加载的关键依据,因为MTEB在加载结果时默认只加载主评分(only_main_score=True)以避免内存溢出。

2. 评分结构变更影响

MTEB在历史版本更新中对评分结构进行了调整(#1037),导致新旧版本结果文件结构不一致。例如:

  • 旧版使用max_accuracy作为主评分
  • 新版使用嵌套结构{"max": {"accuracy": score}}

3. 模型元数据缺失

部分包含旧结果的文件夹缺少model_meta.json文件,而load_results()默认要求必须存在模型元数据(require_model_meta=True),导致这些结果无法加载。

技术细节解析

评分结构差异

对比新旧版本评分结构:

# 旧版结构
{
    "max_accuracy": 0.6535,
    "max_ap": 0.7212,
    "max_f1": 0.7057
}

# 新版结构
{
    "max": {
        "accuracy": 0.6535,
        "ap": 0.7212,
        "f1": 0.7057
    }
}

结果加载机制

MTEB使用TaskResult.from_disk()加载结果文件时,会执行以下关键步骤:

  1. 检查文件完整性
  2. 提取评分数据
  3. 根据任务元数据中的main_score字段定位关键评分
  4. 验证评分存在性

解决方案与修复

1. 结果加载逻辑优化

在PR #1801中实现了以下改进:

  • 增强对旧版结果文件的兼容性处理
  • 优化评分字段匹配逻辑
  • 添加缺失模型元数据

2. 基准任务定义修正

针对中文基准测试中的任务:

  • 统一使用v1版本的聚类任务(与原始论文一致)
  • 修正任务版本标注错误
  • 明确指定MultilingualSentiment任务应使用测试集而非验证集

3. 评分标准统一

对于CmnliOcnli任务:

  • 保持使用max_accuracy作为主评分标准
  • 接受与旧版结果的差异(旧版使用max_ap

影响评估

修复后,模型intfloat/multilingual-e5-small的结果变化如下:

任务名称 旧版结果 新版结果 差异原因
Cmnli 72.12 65.35 评分标准从max_ap改为max_accuracy
Ocnli 60.77 58.69 同上
MultilingualSentiment 64.74 66.34 使用测试集而非验证集
STSB 84.11 77.73 旧版结果无法验证

后续工作

  1. 补充缺失的模型元数据(#1803)
  2. 完善中文基准测试的任务定义
  3. 建立结果文件验证机制
  4. 编写版本迁移指南

通过本次问题修复,MTEB中文基准测试的结果完整性和准确性得到了显著提升,为后续研究提供了更可靠的数据基础。

登录后查看全文
热门项目推荐

项目优选

收起
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
53
468
kernelkernel
deepin linux kernel
C
22
5
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
349
381
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
7
0
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
133
186
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
878
517
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
336
1.1 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
180
264
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
612
60
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