🚀 Fin-MPNET-Base (v0.1)

Fin-MPNET-Base (v0.1) 是一个经过微调的 sentence-transformers 模型，它能够将句子和段落映射到 768 维的密集向量空间，可用于聚类或语义搜索等任务。该模型旨在在金融文档检索任务中表现出色，同时尽可能保持广泛的通用性。

🚀 快速开始

安装依赖

如果你已经安装了 sentence-transformers，使用这个模型会非常简单：

pip install -U sentence-transformers

使用示例

基础用法

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('mukaj/fin-mpnet-base')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主要特性

• 金融领域表现出色：在金融文档检索任务中表现强劲。
• 通用性较好：在保持金融领域高性能的同时，尽可能维持在其他通用任务上的表现。

📦 安装指南

pip install -U sentence-transformers

📚 详细文档

评估结果

模型在训练期间仅针对新的金融问答示例进行了评估，因此 v0.1 版本仅在与金融相关的基准测试中进行了评估，包括 [FiQA-2018, BankingClassification77]。

该模型目前在 MTEB 排行榜（https://huggingface.co/spaces/mteb/leaderboard）的 FiQA 测试集上取得了最高的检索分数。不过，该模型在其他基准测试中的性能可能有所下降，例如 BankingClassification77 的准确率从 81.6 降至 80.25。这些问题将在 v0.2 版本中得到解决，并会对所有数据集进行全面评估。

模型对比

v0.1 版本在 FiQA 测试集上取得了最优结果，而在其他非金融基准测试中，性能仅有小幅下降，部分还有所提升。

训练信息

该模型基于 "sentence-transformers/all-mpnet-base-v2"，使用 MNR 损失函数在 150k+ 金融文档问答示例上进行了微调。

⚠️ 重要提示

目前模型的全面评估尚未完成。