Yinka

🚀 Yinka嵌入模型

Yinka嵌入模型是一个支持可变向量维度的模型。它基于开源模型stella-v3.5-mrl进行续训，并采用了piccolo2中提到的多任务混合损失训练方法。

🚀 快速开始

Yinka嵌入模型的使用方法与stella-v3.5-mrl相同，无需任何前缀。以下是使用示例：

from sentence_transformers import SentenceTransformer
from sklearn.preprocessing import normalize

model = SentenceTransformer("Classical/Yinka")
# 注意先不要normalize! 选取前n维后再normalize
vectors = model.encode(["text1", "text2"], normalize_embeddings=False)
print(vectors.shape)  # shape is [2,1792]
n_dims = 768
cut_vecs = normalize(vectors[:, :n_dims])

✨ 主要特性

• 续训优化：在开源模型stella-v3.5-mrl基础上进行续训，提升模型性能。
• 多任务混合损失：采用piccolo2提到的多任务混合损失训练方法。
• 可变向量维度：支持可变的向量维度，满足不同场景需求。

💻 使用示例

基础用法

from sentence_transformers import SentenceTransformer
from sklearn.preprocessing import normalize

model = SentenceTransformer("Classical/Yinka")
# 注意先不要normalize! 选取前n维后再normalize
vectors = model.encode(["text1", "text2"], normalize_embeddings=False)
print(vectors.shape)  # shape is [2,1792]
n_dims = 768
cut_vecs = normalize(vectors[:, :n_dims])

📚 详细文档

结果对比

更多评估指标

📄 许可证

本模型采用MIT licence。