Ms Marco MiniLM L2 V2

🚀 用于MS Marco的交叉编码器

本模型在MS Marco段落排序任务上进行了训练。

该模型可用于信息检索：给定一个查询，将查询与所有可能的段落（例如，通过ElasticSearch检索到的段落）进行编码。然后按降序对段落进行排序。更多详细信息请参阅 SBERT.net 检索与重排序。训练代码可在此处获取：SBERT.net 训练MS Marco

🚀 快速开始

✨ 主要特性

• 该模型基于交叉编码器架构，在MS Marco段落排序任务上进行训练，可有效用于信息检索场景。
• 支持使用SentenceTransformers和Transformers库进行调用，使用方便。

📦 安装指南

文档未提及具体安装步骤，可参考以下： 若要使用该模型，需要安装sentence-transformers或transformers库，可使用以下命令进行安装：

pip install sentence-transformers

或

pip install transformers

💻 使用示例

基础用法

使用SentenceTransformers库调用模型的示例：

from sentence_transformers import CrossEncoder

model = CrossEncoder('cross-encoder/ms-marco-MiniLM-L2-v2')
scores = model.predict([
    ("How many people live in Berlin?", "Berlin had a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers."),
    ("How many people live in Berlin?", "Berlin is well known for its museums."),
])
print(scores)
# [ 8.510401 -4.860082]

高级用法

使用Transformers库调用模型的示例：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained('cross-encoder/ms-marco-MiniLM-L2-v2')
tokenizer = AutoTokenizer.from_pretrained('cross-encoder/ms-marco-MiniLM-L2-v2')

features = tokenizer(['How many people live in Berlin?', 'How many people live in Berlin?'], ['Berlin has a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers.', 'New York City is famous for the Metropolitan Museum of Art.'],  padding=True, truncation=True, return_tensors="pt")

model.eval()
with torch.no_grad():
    scores = model(**features).logits
    print(scores)

📚 详细文档

模型性能

以下表格展示了各种预训练的交叉编码器及其在 TREC深度学习2019 和 MS Marco段落重排序 数据集上的性能。

注意：运行时间是在V100 GPU上计算得出的。

📄 许可证

本项目采用Apache 2.0许可证。