# 無監督訓練

珍珠小模型是一款輕量級字符串嵌入模型，專門用於處理字符串語義相似度計算，為字符串匹配、實體檢索等任務生成優質嵌入向量。

CompCSE 和 SimCSE 是基於對比學習的句子嵌入模型，用於計算句子相似度。

這是一個基於sentence-transformers的韓語小型RoBERTa模型，能夠將句子和段落映射到256維稠密向量空間，適用於聚類或語義搜索等任務。

這是一個基於sentence-transformers的句子相似度模型，可將文本映射到768維向量空間

通過零樣本分類流程從無標註GoEmotions數據集蒸餾而來的情感分類模型，作為計算高效的概念驗證模型

基於T5的doc2query模型，用於文檔擴展和訓練數據生成

這是一個基於sentence-transformers框架的語義向量模型，能夠將迪維希語句子和段落映射到768維稠密向量空間，適用於文本聚類或語義搜索等任務。

基於Contriever預訓練模型的微調版本，專為密集信息檢索任務優化，採用對比學習方法訓練

基於RoBERTa的無監督句子編碼器，採用drophead技術增強特徵空間，適用於句子相似度計算。

基於BERT架構的無監督對比學習模型，通過簡單有效的對比學習框架提升句子嵌入質量

基於簡單對比學習的簡體中文語句嵌入編碼模型，使用中文RoBERTa WWM擴展版作為預訓練模型。

SBERT-large-nli-v2 是一個基於BERT的大型句子轉換器模型，專門用於句子相似度計算和特徵提取。