Yinka

🚀 Yinka嵌入模型

Yinka嵌入模型是一個支持可變向量維度的模型。它基於開源模型stella-v3.5-mrl進行續訓，並採用了piccolo2中提到的多任務混合損失訓練方法。

🚀 快速開始

Yinka嵌入模型的使用方法與stella-v3.5-mrl相同，無需任何前綴。以下是使用示例：

from sentence_transformers import SentenceTransformer
from sklearn.preprocessing import normalize

model = SentenceTransformer("Classical/Yinka")
# 注意先不要normalize! 選取前n維後再normalize
vectors = model.encode(["text1", "text2"], normalize_embeddings=False)
print(vectors.shape)  # shape is [2,1792]
n_dims = 768
cut_vecs = normalize(vectors[:, :n_dims])

✨ 主要特性

• 續訓優化：在開源模型stella-v3.5-mrl基礎上進行續訓，提升模型性能。
• 多任務混合損失：採用piccolo2提到的多任務混合損失訓練方法。
• 可變向量維度：支持可變的向量維度，滿足不同場景需求。

💻 使用示例

基礎用法

from sentence_transformers import SentenceTransformer
from sklearn.preprocessing import normalize

model = SentenceTransformer("Classical/Yinka")
# 注意先不要normalize! 選取前n維後再normalize
vectors = model.encode(["text1", "text2"], normalize_embeddings=False)
print(vectors.shape)  # shape is [2,1792]
n_dims = 768
cut_vecs = normalize(vectors[:, :n_dims])

📚 詳細文檔

結果對比

更多評估指標

📄 許可證

本模型採用MIT licence。