pipeline_tag: 句子相似度 tags:

• 句子转换器
• 特征提取
• 句子相似度
• 转换器 language:
• 罗马尼亚语 language_creators:
• 机器生成 dataset:
• 罗马尼亚语义文本相似度数据集 license: apache-2.0 datasets:
• BlackKakapo/RoSTSC base_model:
• sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

🔥 罗马尼亚语小爱神模型

隆重推出cupidon-small-ro——名称虽小，却能与大模型一较高下。该模型基于强大的sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2微调而成，能以惊人准确度捕捉罗马尼亚语句子的语义内涵。

它体积小巧却效率卓越，语义理解能力直击本质。堪称证明"小身材"也能令人心折的典范——尤其在语义文本相似度、搜索或聚类任务中表现惊艳。💔💬

使用方法（Sentence-Transformers）

安装sentence-transformers后即可轻松使用：

pip install -U sentence-transformers

调用示例：

from sentence_transformers import SentenceTransformer
sentences = ["这是示例句子", "每个句子都会被转换"]

model = SentenceTransformer('BlackKakapo/cupidon-small-ro')
embeddings = model.encode(sentences)
print(embeddings)

使用方法（HuggingFace Transformers）

若不使用sentence-transformers，可参考以下方式：先将输入通过转换器模型处理，再对上下文词嵌入执行正确的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch

#均值池化-考虑注意力掩码确保正确平均
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #模型输出的首个元素包含所有词标记嵌入
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)

#待编码句子
sentences = ['这是示例句子', '每个句子都会被转换']

#从HuggingFace Hub加载模型
tokenizer = AutoTokenizer.from_pretrained('BlackKakapo/cupidon-small-ro')
model = AutoModel.from_pretrained('BlackKakapo/cupidon-small-ro')

许可证

本数据集采用Apache 2.0许可证。

引用规范

若在研究中使用本模型，请按以下格式引用：

@misc{cupidon-small-ro,
  title={BlackKakapo/cupidon-small-ro},
  author={BlackKakapo},
  year={2025},
}