colbertv2-camembert-L4-mmarcoFR

colbertv2-camembert-L4-mmarcoFR

轻量级法语语义检索模型支持高效文本匹配

该法语语义检索模型采用轻量级设计,通过token级别编码实现文本匹配。模型在mMARCO-fr数据集评测中取得91.9%的召回率,参数量为54M。支持RAGatouille和colbert-ai框架集成,可用于构建法语搜索系统。

mMARCO法语模型GithubColBERT模型RAGatouille语义搜索Huggingface开源项目

项目概述

colbertv2-camembert-L4-mmarcoFR是一个用于法语语义搜索的轻量级ColBERTv2模型。该项目主要通过将查询和文本段落编码为矩阵形式的词级嵌入,并使用可扩展的向量相似度(MaxSim)运算符来高效查找与查询在上下文中匹配的段落。

主要特点

  • 基于ColBERTv2架构开发
  • 专门针对法语进行优化
  • 模型体积轻量,仅54M参数
  • 支持高效的语义搜索
  • 提供完整的使用示例和评估数据

技术实现

该模型基于camembert-L4检查点进行初始化,采用了KL散度损失和批内采样的softmax交叉熵损失的组合方式进行优化。训练过程使用了一块80GB的NVIDIA H100 GPU,经过325k步训练,采用AdamW优化器,批量大小为32,峰值学习率为1e-5。模型的嵌入维度设置为32,问题和段落的最大序列长度分别固定为32和160个词元。

使用方法

该项目提供了两种使用方式:

  1. 通过RAGatouille库使用
  2. 通过ColBERT-AI库使用

两种方式都支持文档索引和搜索功能,用户可以根据具体需求选择合适的使用方式。

性能评估

该模型在mMARCO-fr数据集上进行了评估,测试集包含6,980个查询和880万个候选段落。评估指标包括:

  • Recall@1000: 91.9%
  • Recall@500: 90.3%
  • Recall@100: 81.9%
  • Recall@10: 56.7%
  • MRR@10: 32.3%

与其他公开的法语ColBERT模型相比,该模型在保持较小模型体积的同时,展现出了出色的性能表现。

训练数据

模型使用mMARCO数据集的法语部分进行训练,包含880万个段落和539K训练查询。训练过程中采用了62个来自12个不同密集检索器的困难负样本,并使用交叉编码器重排序器对所有查询-段落对进行相关性评分,最终得到约1040万个64路元组用于模型训练。

应用价值

这个项目为法语文本检索和语义搜索提供了一个高效且实用的解决方案,特别适合需要处理大规模法语文本数据的应用场景。其轻量级的特性使其能够在资源受限的环境中得到良好应用。

编辑推荐精选

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

下拉加载更多