Bge M3 Custom Fr

🚀 句子转换器（Sentence-Transformers）模型：manu/bge-fr-en

这是一个基于 sentence-transformers 的模型，它能够将句子和段落映射到一个 1024 维的密集向量空间，可用于聚类或语义搜索等任务。该模型是在自定义的法语和英语数据上对 BGE M3 的密集模型进行微调得到的。

🚀 快速开始

若要使用此模型，首先需要安装 sentence-transformers：

pip install -U sentence-transformers

安装完成后，你可以按照以下方式使用该模型：

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

model = SentenceTransformer('manu/bge-fr-en')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主要特性

• 能够将句子和段落映射到 1024 维的密集向量空间。
• 基于自定义的法语和英语数据对 BGE M3 的密集模型进行微调，适用于特定语言场景。

📦 安装指南

使用此模型前，需安装 sentence-transformers，可通过以下命令进行安装：

pip install -U sentence-transformers

💻 使用示例

基础用法

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

model = SentenceTransformer('manu/bge-fr-en')
embeddings = model.encode(sentences)
print(embeddings)

📚 详细文档

评估结果

该模型使用 MTEB 包进行评估，以下是在不同数据集和任务上的评估指标：

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

引用与作者

如果你需要了解更多信息，请参考相关文档。