🅜 M3E Models m3e small m3e base M3E 是 Moka Massive Mixed Embedding 的缩写 Moka，此模型由 MokaAI 训练，开源和评测，训练脚本使用 uniem ，评测 BenchMark 使用 MTEB zh Massive，此模型通过 千万级 (2200w+) 的中文句对数据集进行训练 Mixed，此模型支持中英双语的同质文本相似度计算，异质文本检索等功能，未来还会支持代码检索 Embedding，此模型是文本嵌入模型，可以将自然语言转换成稠密的向量 🆕 更新说明 2023.06.24，添加微调 M3E 的教程 notebook，几行代码，更佳适配！ 2023.06.14，添加了三个中文开源文本嵌入模型到评测中，包括 UER, ErLangShen, DMetaSoul 2023.06.08，添加检索任务的评测结果，在 T2Ranking 1W 中文数据集上，m3e base 在 ndcg@10 上达到了 0.8004，超过了 openai ada 002 的 0.7786 2023.06.07，添加文本分类任务的评测结果，在 6 种文本分类数据集上，m3e base 在 accuracy 上达到了 0.6157，超过了 openai ada 002 的 0.5956 ⚖️ 模型对比 参数数量 维度 中文 英文 s2s s2p s2c 开源 兼容性 s2s Acc s2p ndcg@10 m3e small 24M 512 是 否 是 否 否 是 优 0.5834 0.7262 m3e base 110M 768 是 是 是 是 否 是 优 0.6157 0.8004 text2vec 110M 768 是 否 是 否 否 是 优 0.5755 0.6346 openai ada 002 未知 1536 是 是 是 是 是 否 优 0.5956 0.7786 说明： s2s, 即 sentence to sentence ，代表了同质文本之间的嵌入能力，适用任务：文本相似度，重复问题检测，文本分类等 s2p, 即 sentence to passage ，代表了异质文本之间的嵌入能力，适用任务：文本检索，GPT 记忆模块等 s2c, 即 sentence to code ，代表了自然语言和程序语言之间的嵌入能力，适用任务：代码检索 兼容性，代表了模型在开源社区中各种项目被支持的程度，由于 m3e 和 text2vec 都可以直接通过 sentence transformers 直接使用，所以和 openai 在社区的支持度上相当 ACC & ndcg@10，详情见下方的评测 Tips: 使用场景主要是中文，少量英文的情况，建议使用 m3e 系列的模型 多语言使用场景，并且不介意数据隐私的话，我…
We use cookies for essential functionality and analytics. You can accept or reject analytics cookies.Cookie policy