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-testing/stsb-bert-tiny-safetensors

🔥 罗马尼亚小爱神模型

别被名字迷惑——罗马尼亚小爱神模型虽小，却能精准击中语义的心弦💘。基于sentence-transformers-testing/stsb-bert-tiny-safetensors微调，这款句子转换器模型用爱（和罗马尼亚语数据）训练而成，能将句子转化为犀利紧凑的嵌入向量。 专为语义相似度、聚类或搜索任务打造——说实话...有时候当你真正懂得编码句子的精髓时，模型大小并不重要。😉

使用方法（句子转换器库）

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 = ["这是一个示例句子", "每个句子都会被转换"]

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

使用方法（HuggingFace转换器库）

若不使用sentence-transformers，需先通过转换器模型处理输入，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 = ['这是一个示例句子', '每个句子都会被转换']

#从HuggingFace Hub加载模型
tokenizer = AutoTokenizer.from_pretrained('BlackKakapo/cupidon-tiny-ro')
model = AutoModel.from_pretrained('BlackKakapo/cupidon-tiny-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-tiny-ro,
  title={BlackKakapo/cupidon-tiny-ro},
  author={BlackKakapo},
  year={2025},
}