许可协议：apache-2.0
支持语言：

• 英语
• 阿拉伯语
• 中文
• 荷兰语
• 法语
• 德语
• 印地语
• 印尼语
• 意大利语
• 日语
• 葡萄牙语
• 俄语
• 西班牙语
• 越南语
• 多语言

数据集：

• unicamp-dl/mmarco

基础模型：

• nreimers/mMiniLMv2-L12-H384-distilled-from-XLMR-Large

管道标签：文本排序
库名称：sentence-transformers
标签：

• transformers

多语言MS Marco交叉编码器

本模型基于MMARCO数据集训练。该数据集是使用谷歌翻译对MS MARCO进行机器翻译的版本，涵盖14种语言。实验表明，该模型在其他语言上同样表现优异。

基础模型采用多语言MiniLMv2。

适用于信息检索场景：给定查询时，对所有可能段落（如通过ElasticSearch检索）进行编码，并按得分降序排序。详见SBERT.net检索与重排序。训练代码参见：SBERT.net训练MS Marco

通过SentenceTransformers使用

安装SentenceTransformers后即可便捷调用预训练模型：

from sentence_transformers import CrossEncoder  
model = CrossEncoder('模型名称')  
scores = model.predict([('查询','段落1'), ('查询','段落2'), ('查询','段落3')])  

通过Transformers使用

from transformers import AutoTokenizer, AutoModelForSequenceClassification  
import torch  

model = AutoModelForSequenceClassification.from_pretrained('模型名称')  
tokenizer = AutoTokenizer.from_pretrained('模型名称')  

features = tokenizer(  
    ['柏林有多少人口？', '柏林有多少人口？'],  
    ['柏林注册居民达3,520,031人，面积891.82平方公里', '纽约市以大都会艺术博物馆闻名'],  
    padding=True, truncation=True, return_tensors="pt"  
)  

model.eval()  
with torch.no_grad():  
    scores = model(**features).logits  
    print(scores)