SimCSE

收录理由

SimCSE 是 EMNLP 2021 论文中提出的简单对比学习句向量方法的官方实现。无监督版本仅凭普通文本即可训练，利用标准 dropout 作为噪声；有监督版本则引入 NLI 数据，将蕴含对视为正例、矛盾对视为难负例。项目提供了预训练模型权重，既可通过自带的句向量工具直接调用，也能在 Hugging Face 上加载，无需重新训练就能获得可用的向量表示。同时附有训练和评估代码，方便复现论文中的实验结果，或根据自有数据调整方法。对于正在比较不同句向量方案的团队而言，拿到原始实现和配套评估脚本，远比根据论文自行重写要省事得多。