pipeline_tag: 句子相似度
tags:

• 特征提取
• 句子相似度
  language:
  • 英文

vectorizer.vanilla 模型卡

本模型是由Sinequa开发的向量化器。它能够根据输入的段落或查询生成嵌入向量。段落向量存储在我们的向量索引中，查询向量则在查询时用于在索引中查找相关段落。

模型名称: vectorizer.vanilla

支持语言

该模型在以下语言中进行了训练和测试：

• 英文

评分

注：相关性评分是14个检索数据集上的平均值（详见下方评估指标）。

推理时间

GPU内存使用

注：GPU内存使用量仅包含模型在NVIDIA T4 GPU上批大小为32时的实际消耗。不包括ONNX Runtime初始化时固定的内存占用（约0.5至1 GiB，具体取决于GPU型号）。

系统要求

• 最低Sinequa版本: 11.10.0
• 使用FP16模型及CUDA计算能力8.9+ GPU（如NVIDIA L4）的最低Sinequa版本: 11.11.0
• CUDA计算能力: 需高于5.0（使用FP16需高于6.0）

模型详情

概述

• 参数量: 2300万
• 基础语言模型: 英文MiniLM-L6-H384
• 对大小写和重音不敏感
• 输出维度: 256（通过额外全连接层降维）
• 训练方法: 对含困难负样本的数据集使用查询-段落-负样本三元组，其余使用查询-段落对，并通过批次内负样本策略扩充负样本数量。

训练数据

模型训练使用了all-MiniLM-L6-v2模型中引用的所有数据集。

评估指标

相关性评分是通过在BEIR基准测试数据集上的评估结果取平均得出。所有数据集均为英文。