Cupidon Small Ro

🚀 丘比特小模型 - 罗马尼亚语版

丘比特小模型 - 罗马尼亚语版（cupidon - small - ro）虽名字小巧，却能与大型模型一较高下。该句向量转换模型基于强大的 sentence - transformers/paraphrase - multilingual - MiniLM - L12 - v2 进行微调，能够以惊人的准确率捕捉罗马尼亚语句子的含义。

它体积小巧，运行高效，却蕴含着强大的语义理解能力。可以说，这个模型证明了“小身材”也有“大能量”，尤其在语义文本相似度、搜索或聚类任务中表现出色。 💔💬

🚀 快速开始

✨ 主要特性

• 基于强大的基础模型微调，能精准捕捉罗马尼亚语句子含义。
• 模型体积小巧，运行高效。
• 在语义文本相似度、搜索和聚类等任务中表现出色。

📦 安装指南

若要使用该模型，需先安装 sentence - transformers：

pip install -U sentence-transformers

💻 使用示例

基础用法

使用 sentence - transformers 库

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

model = SentenceTransformer('BlackKakapo/cupidon-small-ro')
embeddings = model.encode(sentences)
print(embeddings)

使用 HuggingFace Transformers 库

若未安装 sentence - transformers，可以按以下方式使用模型：首先将输入传递给 Transformer 模型，然后对上下文词嵌入应用正确的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch

#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)

# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('BlackKakapo/cupidon-small-ro')
model = AutoModel.from_pretrained('BlackKakapo/cupidon-small-ro')

📚 详细文档

📄 许可证

本数据集遵循 Apache 2.0 许可证。

🔗 引用

如果您在研究中使用了 BlackKakapo/cupidon - small - ro 模型，请按以下方式引用：

@misc{cupidon-small-ro,
  title={BlackKakapo/cupidon-small-ro},
  author={BlackKakapo},
  year={2025},
}