Cupidon Small Ro

🚀 丘比特小模型 - 羅馬尼亞語版

丘比特小模型 - 羅馬尼亞語版（cupidon - small - ro）雖名字小巧，卻能與大型模型一較高下。該句向量轉換模型基於強大的 sentence - transformers/paraphrase - multilingual - MiniLM - L12 - v2 進行微調，能夠以驚人的準確率捕捉羅馬尼亞語句子的含義。

它體積小巧，運行高效，卻蘊含著強大的語義理解能力。可以說，這個模型證明了“小身材”也有“大能量”，尤其在語義文本相似度、搜索或聚類任務中表現出色。 💔💬

🚀 快速開始

✨ 主要特性

• 基於強大的基礎模型微調，能精準捕捉羅馬尼亞語句子含義。
• 模型體積小巧，運行高效。
• 在語義文本相似度、搜索和聚類等任務中表現出色。

📦 安裝指南

若要使用該模型，需先安裝 sentence - transformers：

pip install -U sentence-transformers

💻 使用示例

基礎用法

使用 sentence - transformers 庫

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

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

使用 HuggingFace Transformers 庫

若未安裝 sentence - transformers，可以按以下方式使用模型：首先將輸入傳遞給 Transformer 模型，然後對上下文詞嵌入應用正確的池化操作。

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-small-ro')
model = AutoModel.from_pretrained('BlackKakapo/cupidon-small-ro')

📚 詳細文檔

📄 許可證

本數據集遵循 Apache 2.0 許可證。

🔗 引用

如果您在研究中使用了 BlackKakapo/cupidon - small - ro 模型，請按以下方式引用：

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