instructor-embedding

收录理由

Instructor 的设计思路很直接：你告诉模型这段文本是拿来做什么的。只需给每段文字配上一句简短的任务说明，比如“表示一个科学标题”或者“为去重检索编码这个句子”，它就会生成针对该任务的向量，而不是千篇一律的通用表示。这样一来，一个模型就能同时应付检索、聚类、分类和文本评估，而且无需任何微调。它的 encode 接口调用简单，能轻松嵌入现有 Python 代码；base、large 和 xl 三档 checkpoint 也给了你权衡速度与质量的余地。若想超越现成模型，仓库还附带了训练和 MTEB 评估代码，方便你根据自己的数据调整方案。