B
B1ade Embed
由 w601sxs 开发
这是一个由bert-large-uncased、WhereIsAI/UAE-Large-V1、BAAI/bge-large-en-v1.5、mixedbread-ai/mxbai-embed-large-v1和avsolatorio/GIS
下载量 660
发布时间 : 5/14/2024
模型介绍
内容详情
替代品
模型简介
该合并模型整合了多个先进的基础模型，旨在提升在MTEB基准测试中的表现，支持多种自然语言处理任务，包括分类、检索和聚类。
模型特点
多模型合并
整合了多个先进的基础模型，提升整体性能。
高性能
在多个MTEB基准测试中表现出色，如亚马逊反事实分类准确率达75.18%。
多任务支持
支持文本分类、检索和聚类等多种自然语言处理任务。
模型能力
文本分类
信息检索
文本聚类
自然语言理解
使用案例
电商
亚马逊评论分类
对亚马逊商品评论进行极性分类，准确率达93.07%。
高准确率和F1分数
反事实分析
分析亚马逊评论中的反事实内容，准确率达75.18%。
较高的分类性能
学术
Arxiv论文聚类
对Arxiv学术论文进行聚类分析，V度量达48.66%。
中等聚类性能
信息检索
ArguAna检索
在ArguAna数据集上进行信息检索，1处平均精度达41.39%。
较好的检索性能
基础模型:
- bert-large-uncased
- WhereIsAI/UAE-Large-V1
- BAAI/bge-large-en-v1.5
- mixedbread-ai/mxbai-embed-large-v1
- avsolatorio/GIST-large-Embedding-v0 库名称: transformers 标签:
- mteb 模型索引:
- 名称: 合并模型
结果:
- 任务:
类型: 分类
数据集:
类型: mteb/amazon_counterfactual
名称: MTEB 亚马逊反事实分类 (en)
配置: en
拆分: 测试
修订: e8379541af4e31359cca9fbcf4b00f2671dba205
指标:
- 类型: 准确率 值: 75.17910447761193
- 类型: 平均精度 值: 37.9385904323946
- 类型: F1分数 值: 69.08121471841274
- 任务:
类型: 分类
数据集:
类型: mteb/amazon_polarity
名称: MTEB 亚马逊极性分类
配置: 默认
拆分: 测试
修订: e2d317d38cd51312af73b3d32a06d1a08b442046
指标:
- 类型: 准确率 值: 93.07292500000001
- 类型: 平均精度 值: 89.99875359715712
- 类型: F1分数 值: 93.06135402357953
- 任务:
类型: 分类
数据集:
类型: mteb/amazon_reviews_multi
名称: MTEB 亚马逊评论分类 (en)
配置: en
拆分: 测试
修订: 1399c76144fd37290681b995c656ef9b2e06e26d
指标:
- 类型: 准确率 值: 48.42400000000001
- 类型: F1分数 值: 47.95385391493928
- 任务:
类型: 检索
数据集:
类型: mteb/arguana
名称: MTEB ArguAna
配置: 默认
拆分: 测试
修订: c22ab2a51041ffd869aaddef7af8d8215647e41a
指标:
- 类型: 1处平均精度 值: 41.394
- 类型: 10处平均精度 值: 57.86900000000001
- 类型: 100处平均精度 值: 58.372
- 类型: 1000处平均精度 值: 58.374
- 类型: 20处平均精度 值: 58.321
- 类型: 3处平均精度 值: 53.793
- 类型: 5处平均精度 值: 56.443
- 类型: 1处平均倒数排名 值: 42.745
- 类型: 10处平均倒数排名 值: 58.392999999999994
- 类型: 100处平均倒数排名 值: 58.887
- 类型: 1000处平均倒数排名 值: 58.89
- 类型: 20处平均倒数排名 值: 58.836
- 类型: 3处平均倒数排名 值: 54.291
- 类型: 5处平均倒数排名 值: 56.958
- 类型: 1处归一化折损累积增益 值: 41.394
- 类型: 10处归一化折损累积增益 值: 65.989
- 类型: 100处归一化折损累积增益 值: 67.896
- 类型: 1000处归一化折损累积增益 值: 67.955
- 类型: 20处归一化折损累积增益 值: 67.545
- 类型: 3处归一化折损累积增益 值: 57.859
- 类型: 5处归一化折损累积增益 值: 62.602999999999994
- 类型: 1处精确率 值: 41.394
- 类型: 10处精确率 值: 9.139
- 类型: 100处精确率 值: 0.992
- 类型: 1000处精确率 值: 0.1
- 类型: 20处精确率 值: 4.868
- 类型: 3处精确率 值: 23.21
- 类型: 5处精确率 值: 16.216
- 类型: 1处召回率 值: 41.394
- 类型: 10处召回率 值: 91.39399999999999
- 类型: 100处召回率 值: 99.21799999999999
- 类型: 1000处召回率 值: 99.644
- 类型: 20处召回率 值: 97.368
- 类型: 3处召回率 值: 69.63000000000001
- 类型: 5处召回率 值: 81.081
- 任务:
类型: 聚类
数据集:
类型: mteb/arxiv-clustering-p2p
名称: MTEB Arxiv聚类P2P
配置: 默认
拆分: 测试
修订: a122ad7f3f0291bf49cc6f4d32aa80929df69d5d
指标:
- 类型: V度量 值: 48.65949563592336
- 类型: V度量集合 值: [0.48817000383329534, 0.4705950499127043, 0.47920402944068824, 0.4758536127855837, 0.5033231021230509, 0.4910490327908452, 0.47491362511547475, 0.4764633675511353, 0.494737377944742, 0.46500184034904274, 0.5751292777690713, 0.5743852402490139, 0.5760819612630185, 0.5774331510061154, 0.5755684918850674, 0.5722850605334535, 0.5695224674679956, 0.5746079891780558, 0.5741544602411167, 0.570162474027302, 0.5327197811942663, 0.28686142443119944, 0.4715419431917622, 0.41413611425618696, 0.3600885356532917, 0.2881658877776697, 0.30387855920668666, 0.24720800557345154, 0.3374379904139358, 1.0, 0.2837637899710192, 0.48817000383329534, 0.4705950499127043, 0.47920402944068824, 0.4758536127855837, 0.5033231021230509, 0.4910490327908452, 0.47491362511547475, 0.4764633675511353, 0.494737377944742, 0.46500184034904274, 0.5751292777690713, 0.5743852402490139, 0.5760819612630185, 0.5774331510061154, 0.5755684918850674, 0.5722850605334535, 0.5695224674679956, 0.5746079891780558, 0.5741544602411167, 0.570162474027302, 0.5327197811942663, 0.28686142443119944, 0.4715419431917622, 0.41413611425618696, 0.3600885356532917, 0.2881658877776697, 0.30387855920668666, 0.24720800557345154, 0.3374379904139358, 1.0, 0.2837637899710192, 0.48817000383329534, 0.4705950499127043, 0.47920402944068824, 0.4758536127855837, 0.5033231021230509, 0.4910490327908452, 0.47491362511547475, 0.4764633675511353, 0.494737377944742, 0.46500184034904274, 0.5751292777690713, 0.5743852402490139, 0.5760819612630185, 0.5774331510061154, 0.5755684918850674, 0.5722850605334535, 0.5695224674679956, 0.5746079891780558, 0.5741544602411167, 0.570162474027302, 0.5327197811942663, 0.28686142443119944, 0.4715419431917622, 0.41413611425618696, 0.3600885356532917, 0.2881658877776697, 0.30387855920668666, 0.24720800557345154, 0.3374379904139358, 1.0, 0.2837637899710192, 0.48817000383329534, 0.4705950499127043, 0.47920402944068824, 0.4758536127855837, 0.5033231021230509, 0.4910490327908452, 0.47491362511547475, 0.4764633675511353, 0.494737377944742, 0.46500184034904274, 0.5751292777690713, 0.5743852402490139, 0.5760819612630185, 0.5774331510061154, 0.5755684918850674, 0.5722850605334535, 0.5695224674679956, 0.5746079891780558, 0.5741544602411167, 0.570162474027302, 0.5327197811942663, 0.28686142443119944, 0.4715419431917622, 0.41413611425618696, 0.3600885356532917, 0.2881658877776697, 0.30387855920668666, 0.24720800557345154, 0.3374379904139358, 1.0, 0.2837637899710192, 0.48817000383329534, 0.4705950499127043, 0.47920402944068824, 0.4758536127855837, 0.5033231021230509, 0.4910490327908452, 0.47491362511547475, 0.4764633675511353, 0.494737377944742, 0.46500184034904274, 0.5751292777690713, 0.5743852402490139, 0.5760819612630185, 0.5774331510061154, 0.5755684918850674, 0.5722850605334535, 0.5695224674679956, 0.5746079891780558, 0.5741544602411167, 0.570162474027302, 0.5327197811942663, 0.28686142443119944, 0.4715419431917622, 0.41413611425618696, 0.3600885356532917, 0.2881658877776697, 0.30387855920668666, 0.24720800557345154, 0.3374379904139358, 1.0, 0.2837637899710192, 0.48817000383329534, 0.4705950499127043, 0.47920402944068824, 0.4758536127855837, 0.5033231021230509, 0.4910490327908452, 0.47491362511547475, 0.4764633675511353, 0.494737377944742, 0.46500184034904274, 0.5751292777690713, 0.5743852402490139, 0.5760819612630185, 0.5774331510061154, 0.5755684918850674, 0.5722850605334535, 0.5695224674679956, 0.5746079891780558, 0.5741544602411167, 0.570162474027302, 0.5327197811942663, 0.28686142443119944, 0.4715419431917622, 0.41413611425618696, 0.3600885356532917, 0.2881658877776697, 0.30387855920668666, 0.24720800557345154, 0.3374379904139358, 1.0, 0.2837637899710192, 0.48817000383329534, 0.4705950499127043, 0.47920402944068824, 0.4758536127855837, 0.5033231021230509, 0.4910490327908452, 0.47491362511547475, 0.4764633675511353, 0.494737377944742, 0.46500184034904274, 0.5751292777690713, 0.5743852402490139, 0.5760819612630185, 0.5774331510061154, 0.5755684918850674, 0.5722850605334535, 0.5695224674679956, 0.5746079891780558, 0.5741544602411167, 0.570162474027302, 0.5327197811942663, 0.28686142443119944, 0.4715419431917622, 0.41413611425618696, 0.3600885356532917, 0.2881658877776697, 0.30387855920668666, 0.24720800557345154, 0.3374379904139358, 1.0, 0.2837637899710192, 0.48817000383329534, 0.4705950499127043, 0.47920402944068824, 0.4758536127855837, 0.5033231021230509, 0.4910490327908452, 0.47491362511547475, 0.4764633675511353, 0.494737377944742, 0.46500184034904274, 0.5751292777690713, 0.5743852402490139, 0.5760819612630185, 0.5774331510061154, 0.5755684918850674, 0.5722850605334535, 0.5695224674679956, 0.5746079891780558, 0.5741544602411167, 0.570162474027302, 0.5327197811942663, 0.28686142443119944, 0.4715419431917622, 0.41413611425618696, 0.3600885356532917, 0.2881658877776697, 0.30387855920668666, 0.24720800557345154, 0.3374379904139358, 1.0, 0.2837637899710192, 0.48817000383329534, 0.4705950499127043, 0.47920402944068824, 0.4758536127855837, 0.5033231021230509, 0.4910490327908452, 0.47491362511547475, 0.4764633675511353, 0.494737377944742, 0.46500184034904274, 0.5751292777690713, 0.5743852402490139, 0.5760819612630185, 0.5774331510061154, 0.5755684918850674, 0.5722850605334535, 0.5695224674679956, 0.5746079891780558, 0.5741544602411167, 0.570162474027302, 0.5327197811942663, 0.28686142443119944, 0.4715419431917622, 0.41413611425618696, 0.3600885356532917, 0.2881658877776697, 0.30387855920668666, 0.24720800557345154, 0.3374379904139358, 1.0, 0.2837637899710192, 0.48817000383329534, 0.4705950499127043, 0.47920402944068824, 0.4758536127855837, 0.5033231021230509, 0.4910490327908452, 0.47491362511547475, 0.4764633675511353, 0.494737377944742, 0.46500184034904274, 0.5751292777690713, 0.5743852402490139, 0.5760819612630185, 0.5774331510061154, 0.5755684918850674, 0.5722850605334535, 0.5695224674679956, 0.5746079891780558, 0.5741544602411167, 0.570162474027302, 0.5327197811942663, 0.28686142443119944, 0.4715419431917622, 0.41413611425618696, 0.3600885356532917, 0.2881658877776697, 0.30387855920668666, 0.24720800557345154, 0.3374379904139358, 1.0, 0.2837637899710192, 0.48817000383329534, 0.4705950499127043, 0.47920402944068824, 0.4758536127855837, 0.5033231021230509, 0.4910490327908452, 0.47491362511547475, 0.4764633675511353, 0.494737377944742, 0.46500184034904274, 0.5751292777690713, 0.5743852402490139, 0.5760819612630185, 0.5774331510061154, 0.5755684918850674, 0.5722850605334535, 0.5695224674679956, 0.5746079891780558, 0.5741544602411167, 0.570162474027302
- 任务:
类型: 分类
数据集:
类型: mteb/amazon_counterfactual
名称: MTEB 亚马逊反事实分类 (en)
配置: en
拆分: 测试
修订: e8379541af4e31359cca9fbcf4b00f2671dba205
指标:
Jina Embeddings V3
Jina Embeddings V3 是一个多语言句子嵌入模型，支持超过100种语言，专注于句子相似度和特征提取任务。
文本嵌入
Transformers
Transformers 支持多种语言
J
jinaai
3.7M
911
Ms Marco MiniLM L6 V2
Apache-2.0
基于MS Marco段落排序任务训练的交叉编码器模型，用于信息检索中的查询-段落相关性评分
文本嵌入
英语
M
cross-encoder
2.5M
86
Opensearch Neural Sparse Encoding Doc V2 Distill
Apache-2.0
基于蒸馏技术的稀疏检索模型，专为OpenSearch优化，支持免推理文档编码，在搜索相关性和效率上优于V1版本
文本嵌入 Transformers
Transformers 英语
O
opensearch-project
1.8M
7
Sapbert From PubMedBERT Fulltext
Apache-2.0
基于PubMedBERT的生物医学实体表征模型，通过自对齐预训练优化语义关系捕捉
文本嵌入
英语
S
cambridgeltl
1.7M
49
Gte Large
MIT
GTE-Large 是一个强大的句子转换器模型，专注于句子相似度和文本嵌入任务，在多个基准测试中表现出色。
文本嵌入
英语
G
thenlper
1.5M
278
Gte Base En V1.5
Apache-2.0
GTE-base-en-v1.5 是一个英文句子转换器模型，专注于句子相似度任务，在多个文本嵌入基准测试中表现优异。
文本嵌入 Transformers
Transformers 支持多种语言
G
Alibaba-NLP
1.5M
63
Gte Multilingual Base
Apache-2.0
GTE Multilingual Base 是一个多语言的句子嵌入模型，支持超过50种语言，适用于句子相似度计算等任务。
文本嵌入 Transformers
Transformers 支持多种语言
G
Alibaba-NLP
1.2M
246
Polybert
polyBERT是一个化学语言模型，旨在实现完全由机器驱动的超快聚合物信息学。
文本嵌入 Transformers
TransformersP
kuelumbus
1.0M
5
Bert Base Turkish Cased Mean Nli Stsb Tr
Apache-2.0
基于土耳其语BERT的句子嵌入模型，专为语义相似度任务优化
文本嵌入 Transformers
Transformers 其他
B
emrecan
1.0M
40
GIST Small Embedding V0
MIT
基于BAAI/bge-small-en-v1.5模型微调的文本嵌入模型，通过MEDI数据集与MTEB分类任务数据集训练，优化了检索任务的查询编码能力。
文本嵌入
Safetensors
Safetensors 英语
G
avsolatorio
945.68k
29
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型 Transformers
Transformers 支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。
对话系统 Transformers
Transformers 英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
AIbase是一个专注于MCP服务的平台，为AI开发者提供高质量的模型上下文协议服务，助力AI应用开发。
简体中文