pipeline_tag: 句子相似度 tags:

• 特征提取
• 句子相似度 language:
• 英文

vectorizer-v1-S-en 模型卡

该模型是由Sinequa开发的向量化器。它能够根据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查找索引中的相关段落。

模型名称：vectorizer-v1-S-en

支持的语言

该模型在以下语言中进行了训练和测试：

• 英语

评分

注意，相关性评分是基于14个检索数据集计算的平均值（详见下方详情）。

推理时间

GPU 内存使用

注意，GPU内存使用仅包括模型在NVIDIA T4 GPU上以批大小32运行时实际消耗的内存。不包括ONNX Runtime初始化时固定的内存消耗，这部分内存根据使用的GPU不同大约在0.5到1 GiB之间。

要求

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

模型详情

概述

• 参数数量：2900万
• 基础语言模型：英语BERT-Small
• 对大小写和重音不敏感
• 输出维度：256（通过额外的密集层降维）
• 训练过程：首先使用查询-段落对训练模型，采用批内负样本策略和此损失函数。随后基于前一模型挖掘的负样本训练第二个模型，类似于ANCE的变体，但使用不同的超参数。

训练数据

模型基于Sinequa整理的Google Natural Questions数据集训练。

评估指标

为确定相关性评分，我们评估了BEIR基准数据集的结果并取平均值。注意所有数据集均为英文。