Mmlw E5 Small

🚀 MMLW-e5-small

MMLW（必須有更好的消息）是用於波蘭語的神經文本編碼器。這是一個蒸餾模型，可用於生成適用於許多任務的嵌入，如語義相似度、聚類、信息檢索等。該模型也可作為進一步微調的基礎。它能將文本轉換為384維的向量。

該模型使用多語言E5檢查點進行初始化，然後在包含6000萬對波蘭語 - 英語文本的多樣化語料庫上，採用多語言知識蒸餾方法進行訓練。我們使用英語FlagEmbeddings (BGE)作為蒸餾的教師模型。

🚀 快速開始

模型屬性詳情

許可證

本模型採用Apache 2.0許可證。

重要提示

⚠️ 重要提示

我們的嵌入模型在編碼文本時需要使用特定的前綴和後綴。對於此模型，查詢應前綴為 "query: "，段落應前綴為 "passage: "。

使用建議

💡 使用建議

可以參考以下代碼示例進行使用，同時可根據具體任務對模型進行進一步微調。

💻 使用示例

基礎用法

from sentence_transformers import SentenceTransformer
from sentence_transformers.util import cos_sim

query_prefix = "query: "
answer_prefix = "passage: "
queries = [query_prefix + "Jak dożyć 100 lat?"]
answers = [
    answer_prefix + "Trzeba zdrowo się odżywiać i uprawiać sport.",
    answer_prefix + "Trzeba pić alkohol, imprezować i jeździć szybkimi autami.",
    answer_prefix + "Gdy trwała kampania politycy zapewniali, że rozprawią się z zakazem niedzielnego handlu."
]
model = SentenceTransformer("sdadas/mmlw-e5-small")
queries_emb = model.encode(queries, convert_to_tensor=True, show_progress_bar=False)
answers_emb = model.encode(answers, convert_to_tensor=True, show_progress_bar=False)

best_answer = cos_sim(queries_emb, answers_emb).argmax().item()
print(answers[best_answer])
# Trzeba zdrowo się odżywiać i uprawiać sport.

📚 詳細文檔

評估結果

• 該模型在波蘭大規模文本嵌入基準測試（MTEB）上的平均得分達到了55.84。詳細結果請參閱MTEB排行榜。
• 該模型在波蘭信息檢索基準測試上的NDCG@10達到了47.64。詳細結果請參閱PIRB排行榜。

致謝

本模型是在格但斯克工業大學TASK中心倡議下提供的A100 GPU集群支持下進行訓練的。

引用

如果您使用了該模型，請引用以下論文：

@article{dadas2024pirb,
  title={{PIRB}: A Comprehensive Benchmark of Polish Dense and Hybrid Text Retrieval Methods}, 
  author={Sławomir Dadas and Michał Perełkiewicz and Rafał Poświata},
  year={2024},
  eprint={2402.13350},
  archivePrefix={arXiv},
  primaryClass={cs.CL}
}