MTEB基准测试中聚合任务的获取机制优化
2025-07-01 10:08:47作者:殷蕙予
背景介绍
MTEB(大规模文本嵌入基准测试)是一个用于评估文本嵌入模型性能的标准化测试套件。在最新版本的MTEB中,开发团队引入了一个新特性——聚合任务(aggregate tasks),这种设计允许将多个相关任务组合成一个逻辑单元,从而简化测试流程并提高效率。
当前问题分析
在MTEB的现有实现中,get_tasks()
函数会返回所有可用的任务,包括聚合任务。这可能导致以下情况:
- 当用户只想获取基础任务时,会意外获得聚合任务
- 在特定语言筛选(如
languages=["eng"]
)时,可能返回重复内容 - 测试场景下需要更精确的任务控制
技术解决方案
开发团队提出了两种可能的改进方向:
-
默认排除聚合任务:修改
get_tasks()
的默认行为,使其不返回聚合任务,同时添加include_aggregate
参数供需要时显式启用。 -
保持现状但优化筛选:保留当前默认包含聚合任务的行为,但确保在按语言筛选等操作时能正确处理聚合任务与基础任务的关系。
实现细节
经过讨论,团队倾向于采用第一种方案,即:
- 默认情况下
get_tasks()
不返回聚合任务 - 添加
include_aggregate
布尔参数,默认为False - 当用户明确指定任务名称时(如
tasks=[task_name]
),无论是否为聚合任务都应返回
这种设计既保持了API的简洁性,又提供了足够的灵活性。对于测试场景,开发者可以通过设置include_aggregate=True
来获取完整任务列表。
技术影响
这一改动将带来以下好处:
- 更符合用户预期:大多数用户场景下不需要处理聚合任务
- 避免重复:在按语言筛选时不会返回重复内容
- 保持兼容性:现有代码只需添加参数即可获得之前的行为
- 测试友好:测试代码可以更精确地控制获取的任务类型
最佳实践建议
对于MTEB用户,建议:
- 常规使用保持默认参数
- 需要聚合任务时显式设置
include_aggregate=True
- 在测试代码中根据需求选择是否包含聚合任务
这一改进体现了API设计中的"显式优于隐式"原则,使得任务获取行为更加明确和可预测。
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猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中React实验项目的分类修正3 freeCodeCamp课程视频测验中的Tab键导航问题解析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
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

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++
508
44

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

React Native鸿蒙化仓库
C++
194
279

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

🎉 (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
940
554

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
339
11

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

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