L

Llm2vec Sheared LLaMA Mntp Supervised

由 McGill-NLP 开发
LLM2Vec-Sheared-LLaMA-supervised 是基于 Sheared-LLaMA 架构的监督学习模型,专注于句子相似度任务,提供文本嵌入、信息检索和文本分类等功能。
下载量 648
发布时间 : 4/4/2024

模型简介

该模型主要用于处理句子相似度相关任务,包括文本嵌入、信息检索、文本分类等,在多个数据集和任务中展现了良好的性能。

模型特点

多任务支持
支持多种自然语言处理任务,包括文本嵌入、信息检索、文本分类等。
高性能
在多个数据集和任务中展现了良好的性能,特别是在分类和检索任务中表现优异。
监督学习
采用监督学习方法训练,优化了模型在特定任务上的表现。

模型能力

文本嵌入
信息检索
文本分类
文本聚类
文本语义相似度
文本评估
文本重排序
特征提取

使用案例

信息检索
问答系统
用于构建高效的问答系统,提升检索相关答案的能力。
在 MTEB CQADupstack 系列任务中表现良好。
文档检索
用于大规模文档检索,快速找到相关文档。
在 MTEB ArguAna 任务中 MAP@10 达到 41.919。
文本分类
情感分析
用于分析文本的情感倾向,如正面或负面评价。
在 MTEB AmazonPolarityClassification 任务中准确率达到 82.0527。
主题分类
用于将文本分类到预定义的主题类别中。
在 MTEB AmazonReviewsClassification 任务中准确率达到 40.806。
文本聚类
学术论文聚类
用于将学术论文按主题进行聚类。
在 MTEB ArxivClusteringP2P 任务中 V-measure 达到 43.472。
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase