distilbert-dot-tas_b-b256-msmarco

distilbert-dot-tas_b-b256-msmarco

基于平衡主题感知采样的高效密集检索方案

本项目提供了一个基于DistilBERT的密集文本检索模型,采用双编码器结构和点积评分机制。该模型使用平衡主题感知采样(TAS-B)方法在MS MARCO数据集上训练,可用于候选集重排序或直接进行向量索引密集检索。模型在多个测试集上展现出优于BM25基线的检索性能。其特点包括高效训练(单GPU 48小时内完成)和保留原始DistilBERT的6层架构。这一方案为高效密集检索提供了新的解决思路。

知识蒸馏文本检索DistilBert开源项目模型HuggingfaceMSMARCOGithubBERT_Dot

项目概述

这是一个基于DistilBert的密集段落检索(Dense Passage Retrieval)模型,该项目利用平衡主题感知采样(TAS-B)方法在MSMARCO-Passage数据集上进行训练。该模型采用了双编码器架构,通过点积评分的方式实现文本检索功能。

技术特点

  • 模型架构采用6层DistilBERT结构,没有额外的架构修改
  • 使用相同的BERT层同时处理查询和段落编码,这样可以提高性能并降低内存需求
  • 通过池化CLS向量获得查询/段落的表示
  • 采用256的批量大小进行训练
  • 整个训练过程可在单个消费级GPU上48小时内完成
  • 支持候选集重排序和基于向量索引的密集检索两种应用场景

性能表现

该模型在多个标准数据集上都展现出了优秀的性能:

  • 在MSMARCO-DEV数据集上:MRR@10达到0.347,NDCG@10达到0.410,Recall@1K达到0.978
  • 在TREC-DL'19数据集上:MRR@10达到0.883,NDCG@10达到0.717,Recall@1K达到0.843
  • 在TREC-DL'20数据集上:MRR@10达到0.843,NDCG@10达到0.686,Recall@1K达到0.875

这些指标都显著优于传统的BM25基线模型。

局限性

该模型也存在一些限制:

  • 继承了DistilBERT和MSMARCO数据集中的社会偏见
  • 仅在MSMARCO的相对较短的段落(平均60个单词长度)上训练,可能在处理较长文本时表现不佳

应用场景

这个模型主要适用于:

  • 文本检索系统的候选结果重排序
  • 基于向量索引的密集检索任务
  • 需要高效处理短文本检索的应用场景

技术创新

项目采用了创新的平衡主题感知采样方法和双重监督训练策略,在保持模型性能的同时大幅提升了训练效率。这种方法不仅使得在普通硬件上也能完成训练,还在多个基准测试中取得了优秀的表现。

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。

热门AI工具生产力协作转型TraeAI IDE
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
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。

下拉加载更多