MTEB项目中的可选依赖优化方案
2025-07-01 21:58:12作者:柏廷章Berta
背景介绍
MTEB(Massive Text Embedding Benchmark)是一个用于评估文本嵌入模型性能的基准测试框架。随着项目的发展,特别是将MIEB(多模态嵌入基准)合并到主分支后,项目的依赖项数量显著增加。这给用户带来了不必要的安装负担,特别是对于那些不需要使用全部功能的用户。
依赖项分析
当前MTEB项目的主要依赖项包括:
-
核心必需依赖:
- datasets(>=2.19.0,<3.0.0)
- numpy(>=1.0.0,<3.0.0)
- scikit-learn(>=1.0.2)
- scipy(用于STS和摘要任务中的pearsonr、spearmanr计算)
- torch(>1.0.0)
- tqdm(>1.0.0)
- pytrec-eval-terrier(>=0.5.6)
- pydantic(>=2.0.0)
- typing_extensions(用于Pydantic的TypedDict验证)
-
潜在可选依赖:
- torchvision(MIEB所需)
- sentence_transformers(>=3.0.0)
- requests(>=2.26.0)
- rich(可通过#1046移除)
-
其他依赖:
- polars(>=0.20.22)
- eval_type_backport(具体用途待确认)
优化方案
针对上述依赖分析,项目团队提出了以下优化方案:
-
MIEB相关依赖作为可选安装:
- 创建
mteb[mieb]
可选安装组,包含torchvision和其他MIEB模型相关依赖 - torchvision版本与torch对齐,建议设置为">0.2.1"
- 创建
-
其他可选依赖处理:
- 保留sentence_transformers为必需依赖,因其改动涉及大量代码重构
- requests可考虑设为可选,因其主要用于模型部分
- rich依赖可通过#1046完全移除
-
未来优化方向:
- 持续评估各依赖项的必要性
- 考虑为不同功能模块创建更多可选安装组
- 监控依赖版本兼容性问题
技术实现细节
在技术实现上,Python项目可以通过setup.py或pyproject.toml中的extras_require
来定义可选依赖组。例如:
extras_require = {
'mieb': ["torchvision>0.2.1", ...],
# 可添加更多可选组
}
用户可以通过以下方式安装带有可选功能的包:
pip install mteb[mieb]
总结
通过将非核心功能相关的依赖项设为可选,MTEB项目能够:
- 减少基础安装的依赖项数量
- 降低用户安装负担
- 提高项目的灵活性
- 保持核心功能的稳定性
这种优化方式在大型Python项目中是常见的最佳实践,特别是当项目功能模块不断增加时。它不仅改善了用户体验,也使得项目维护更加清晰和模块化。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-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~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
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!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

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
52
455

deepin linux kernel
C
22
5

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 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 kernel ~ openGauss is an open source relational database management system
C++
131
185

🎉 (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
873
517

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
335
1.09 K

React Native鸿蒙化仓库
C++
179
264

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
607
59

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