L

Llm2vec Sheared LLaMA Mntp Supervised

由McGill-NLP開發
LLM2Vec-Sheared-LLaMA-supervised 是基於 Sheared-LLaMA 架構的監督學習模型,專注於句子相似度任務,提供文本嵌入、信息檢索和文本分類等功能。
下載量 648
發布時間 : 4/4/2024

模型概述

該模型主要用於處理句子相似度相關任務,包括文本嵌入、信息檢索、文本分類等,在多個數據集和任務中展現了良好的性能。

模型特點

多任務支持
支持多種自然語言處理任務,包括文本嵌入、信息檢索、文本分類等。
高性能
在多個數據集和任務中展現了良好的性能,特別是在分類和檢索任務中表現優異。
監督學習
採用監督學習方法訓練,優化了模型在特定任務上的表現。

模型能力

文本嵌入
信息檢索
文本分類
文本聚類
文本語義相似度
文本評估
文本重排序
特徵提取

使用案例

信息檢索
問答系統
用於構建高效的問答系統,提升檢索相關答案的能力。
在 MTEB CQADupstack 系列任務中表現良好。
文檔檢索
用於大規模文檔檢索,快速找到相關文檔。
在 MTEB ArguAna 任務中 MAP@10 達到 41.919。
文本分類
情感分析
用於分析文本的情感傾向,如正面或負面評價。
在 MTEB AmazonPolarityClassification 任務中準確率達到 82.0527。
主題分類
用於將文本分類到預定義的主題類別中。
在 MTEB AmazonReviewsClassification 任務中準確率達到 40.806。
文本聚類
學術論文聚類
用於將學術論文按主題進行聚類。
在 MTEB ArxivClusteringP2P 任務中 V-measure 達到 43.472。
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase