Bge M3 Custom Fr

🚀 句子轉換器（Sentence-Transformers）模型：manu/bge-fr-en

這是一個基於 sentence-transformers 的模型，它能夠將句子和段落映射到一個 1024 維的密集向量空間，可用於聚類或語義搜索等任務。該模型是在自定義的法語和英語數據上對 BGE M3 的密集模型進行微調得到的。

🚀 快速開始

若要使用此模型，首先需要安裝 sentence-transformers：

pip install -U sentence-transformers

安裝完成後，你可以按照以下方式使用該模型：

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

model = SentenceTransformer('manu/bge-fr-en')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主要特性

• 能夠將句子和段落映射到 1024 維的密集向量空間。
• 基於自定義的法語和英語數據對 BGE M3 的密集模型進行微調，適用於特定語言場景。

📦 安裝指南

使用此模型前，需安裝 sentence-transformers，可通過以下命令進行安裝：

pip install -U sentence-transformers

💻 使用示例

基礎用法

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

model = SentenceTransformer('manu/bge-fr-en')
embeddings = model.encode(sentences)
print(embeddings)

📚 詳細文檔

評估結果

該模型使用 MTEB 包進行評估，以下是在不同數據集和任務上的評估指標：

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

引用與作者

如果你需要了解更多信息，請參考相關文檔。