首页
/ MTEB项目任务元数据中类别字段的模态化改造分析

MTEB项目任务元数据中类别字段的模态化改造分析

2025-07-01 12:52:13作者:侯霆垣

在MTEB(大规模文本嵌入基准)项目中,任务元数据的"category"字段长期以来存在语义模糊的问题。本文深入分析该字段的现状、问题根源以及改进方案。

现状与问题

当前category字段主要存在两种使用模式:

  1. 长度描述型(如s2p表示句子到段落)
  2. 模态描述型(如t2i表示文本到图像)

这种双重语义导致以下问题:

  • 字段含义不明确,开发者容易混淆
  • 与新增的描述性统计功能(如average_document_length)存在数据冗余
  • 跨项目(如MIEB)协作时出现语义不一致

技术分析

通过代码审查发现,部分模型实现(如NV-Embed和Jasper)确实依赖该字段决定是否使用提示模板。但进一步分析表明:

  1. 段落(passage)与段落(paragraph)概念存在差异
  2. 提示模板的选择应通过专门的PromptType字段控制
  3. 现有长度描述信息已可通过描述性统计数据获取

改进方案

经过核心团队讨论,确定以下改造方案:

  1. 统一采用模态描述语义

    • 文本到文本:t2t
    • 文本到图像:t2i
    • 文本到视频:t2v
  2. 保留原有信息的方式

    • 对需要区分句子/段落的情况,采用二级分类:
    {
      "t2t": "s2p"
    }
    
  3. 提示模板控制

    • 完全通过PromptType字段管理
    • 移除模型实现中对category字段的依赖

实施影响

该改造将带来以下好处:

  • 提升元数据字段的语义明确性
  • 增强与MIEB等姊妹项目的兼容性
  • 为未来多模态扩展预留空间
  • 减少与描述性统计的数据冗余

最佳实践建议

对于模型开发者:

  • 使用PromptType而非category决定提示模板
  • 需要长度信息时优先查询描述性统计数据

对于任务贡献者:

  • 多模态任务使用t2x格式
  • 纯文本任务默认使用t2t
  • 特殊需求才使用二级分类

该改造已在新版本中实施,标志着MTEB项目在元数据规范化方面迈出重要一步。

登录后查看全文
热门项目推荐

热门内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
263
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
279
315
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