懂AI
MiniCPM-Embedding

MiniCPM-Embedding

高效中英双语文本嵌入和跨语言检索模型

MiniCPM-Embedding是一款中英双语文本嵌入模型，由面壁智能、清华大学和东北大学共同开发。模型基于MiniCPM-2B-sft-bf16训练，采用双向注意力和加权平均池化技术，在中英文检索和跨语言检索任务中表现出色。模型参数为2.4B，嵌入维度2304，最大支持512个输入tokens。MiniCPM-Embedding在多项评测中展现了优秀性能，尤其在跨语言检索任务中表现突出，为中英文文本处理和检索提供了有力工具。

Huggingface中英双语MiniCPM-Embedding模型跨语言嵌入模型Github开源项目检索
GitHubHugging Face

MiniCPM-Embedding项目介绍

项目概述

MiniCPM-Embedding是一个由面壁智能、清华大学自然语言处理实验室（THUNLP）和东北大学信息检索小组（NEUIR）共同开发的中英双语文本嵌入模型。该项目旨在提供一个高性能的文本嵌入解决方案，特别适用于检索和语义匹配任务。

主要特点

MiniCPM-Embedding具有以下突出特点：

  1. 双语能力：模型在中文和英文两种语言上都表现出色。
  2. 跨语言检索：支持中英文之间的跨语言检索，打破语言障碍。
  3. 强大的检索性能：在多个检索相关基准测试中表现优异。
  4. 灵活的输入格式：支持带指令和不带指令的查询输入。

技术细节

MiniCPM-Embedding基于MiniCPM-2B-sft-bf16模型进行训练，采用了以下关键技术：

  1. 模型结构：使用双向注意力机制和加权平均池化。
  2. 训练数据：约600万条训练数据，包括开源数据、机器生成数据和专有数据。
  3. 训练方法：采用多阶段训练策略，逐步提升模型性能。
  4. 模型规模：2.4B参数，嵌入维度为2304，最大输入token数为512。

使用方法

MiniCPM-Embedding的使用非常简单：

  1. 环境配置：需要安装transformers库（4.37.2版本）和flash-attn库（>2.3.5版本）。
  2. 模型加载：可以通过Hugging Face的Transformers库或Sentence Transformers库加载模型。
  3. 文本编码：支持批量编码查询和文档，得到规范化的嵌入向量。
  4. 相似度计算：通过计算查询和文档嵌入向量的点积，即可得到相似度分数。

性能评估

MiniCPM-Embedding在多个检索任务上表现优异：

  1. 中文检索：在C-MTEB/Retrieval基准上达到76.76的NDCG@10分数，领先于多个知名模型。
  2. 英文检索：在BEIR基准上取得58.56的NDCG@10分数，与顶级模型相当。
  3. 跨语言检索：在MKQA En-Zh_CN、NeuCLIR22和NeuCLIR23等跨语言检索任务中均取得最佳成绩。

应用场景

MiniCPM-Embedding适用于多种应用场景，包括但不限于：

  1. 信息检索系统
  2. 问答系统
  3. 文档相似度计算
  4. 跨语言信息检索
  5. 语义搜索引擎

许可证和使用条件

MiniCPM-Embedding采用开放但有条件的许可策略：

  1. 代码开源：遵循Apache-2.0协议。
  2. 模型权重：需遵守MiniCPM模型协议。
  3. 学术用途：完全开放。
  4. 商业用途：需填写问卷申请。

结语

MiniCPM-Embedding作为一个强大的双语文本嵌入模型，为自然语言处理和信息检索领域提供了一个高效、灵活的解决方案。无论是学术研究还是商业应用，它都有潜力成为推动技术进步的重要工具。

编辑推荐精选

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助手AI工具AI写作工具AI辅助写作蛙蛙写作学术助手办公助手营销助手
Trae

Trae

字节跳动发布的AI编程神器IDE

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。

热门AI工具生产力协作转型TraeAI IDE
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。

聊天机器人AI助手热门AI工具AI对话
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。

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

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型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。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

下拉加载更多