Cupidon Tiny Ro

🚀 丘比特小模型 - 罗马尼亚语版（cupidon-tiny-ro）

丘比特小模型 - 罗马尼亚语版（cupidon-tiny-ro）可别被它的名字迷惑，它虽小巧，却能精准捕捉语义情感 💘。该模型基于 sentence-transformers-testing/stsb-bert-tiny-safetensors 进行微调，使用罗马尼亚语数据精心训练，能够将句子转化为简洁而精准的嵌入向量。它非常适合语义相似度分析、聚类或搜索等任务，毕竟有时候，真正懂得如何编码句子时，模型大小就不是关键啦 😉。

🚀 快速开始

📦 安装指南

若要使用该模型，需先安装 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基础用法

使用 sentence-transformers 库调用该模型：

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('BlackKakapo/cupidon-tiny-ro')
embeddings = model.encode(sentences)
print(embeddings)

高级用法

若未安装 sentence-transformers，可按以下方式使用模型：先将输入数据传入变压器模型，然后对上下文词嵌入应用适当的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)


# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('BlackKakapo/cupidon-tiny-ro')
model = AutoModel.from_pretrained('BlackKakapo/cupidon-tiny-ro')

📄 许可证

本数据集遵循 Apache 2.0 许可证。

📚 详细文档

引用说明

如果您在研究中使用了 BlackKakapo/cupidon-tiny-ro 模型，请按以下格式进行引用：

@misc{cupidon-tiny-ro,
  title={BlackKakapo/cupidon-tiny-ro},
  author={BlackKakapo},
  year={2025},
}

模型信息