MTEB中文基准测试结果缺失问题分析与解决方案
2025-07-01 09:06:22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:
- 检查文件完整性
- 提取评分数据
- 根据任务元数据中的
main_score
字段定位关键评分 - 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Cmnli
和Ocnli
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
- 补充缺失的模型元数据(#1803)
- 完善中文基准测试的任务定义
- 建立结果文件验证机制
- 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
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
1 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析2 freeCodeCamp课程页面空白问题的技术分析与解决方案3 freeCodeCamp博客页面工作坊中的断言方法优化建议4 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 5 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析6 freeCodeCamp英语课程填空题提示缺失问题分析7 freeCodeCamp Cafe Menu项目中link元素的void特性解析8 freeCodeCamp课程中屏幕放大器知识点优化分析9 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析10 freeCodeCamp全栈开发课程中React实验项目的分类修正
最新内容推荐
Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 小米Mini R1C MT7620爱快固件下载指南:解锁企业级网络管理功能 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案
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

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

🎉 (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
941
555

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
405
387

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

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

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++
509
44

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
344
1.32 K

React Native鸿蒙化仓库
C++
194
279