超越眾多開源模型 諾諦智能拿下C-MTEB榜單第一

　　近日，諾諦智能“支點(diǎn)”向量模型憑借多樣化困難樣本采樣策略以及基于“支點(diǎn)”大模型的數(shù)據(jù)合成，超越眾多開源模型，拿下主流權(quán)威評測C-MTEB榜單排名第一。

　　MTEB(Massive Text Embedding Benchmark)是用于評估文本嵌入模型的一系列評估指標(biāo)的集合，對應(yīng)的C-MTEB則被公認(rèn)為是目前業(yè)界最全面、最權(quán)威的中文語義向量評測基準(zhǔn)之一，涵蓋了分類、聚類、檢索、排序、文本相似度、STS等6個經(jīng)典任務(wù)，共計(jì)35個數(shù)據(jù)集，為深度測試中文語義向量的全面性和可靠性提供了可靠的實(shí)驗(yàn)平臺，眾多行業(yè)領(lǐng)先的開源模型都會參與評測，榜單競爭激烈。

　　此次獲得C-MTEB榜單排名第一的諾諦“支點(diǎn)”向量模型，采用了多樣化困難樣本采樣策略，其針對分類和聚類、檢索、排序以及句對匹配任務(wù)設(shè)計(jì)了不同的困難樣本選擇策略。同時(shí)該模型還采用了基于諾諦“支點(diǎn)”行業(yè)大模型的數(shù)據(jù)合成，通過多樣化的數(shù)據(jù)合成策略對分類、聚類、句對匹配樣本進(jìn)行重寫，為每個樣本構(gòu)造出多個合成樣本，并針對檢索和排序任務(wù)對問題和文章同時(shí)進(jìn)行增強(qiáng)，可生成多個檢索問題。此外，對于不同場景的檢索任務(wù)，“支點(diǎn)”向量模型還設(shè)計(jì)了多樣化損失函數(shù)，結(jié)合梯度累積策略以及數(shù)據(jù)調(diào)度策略，最終使諾諦“支點(diǎn)”向量模型在分類、聚類、句對匹配、檢索、排序任務(wù)上的性能大幅提升。

　　在實(shí)際應(yīng)用中，“支點(diǎn)”向量模型為了滿足不同業(yè)務(wù)實(shí)際場景對向量的差異化需求，在訓(xùn)練過程中引入了MRL技術(shù)，可根據(jù)指定維度的向量計(jì)算多個附加損失，使其可以輸出不同維度的向量用于下游任務(wù)，進(jìn)一步提升實(shí)際業(yè)務(wù)場景下分類、聚類、檢索、排序、文本相似度等任務(wù)的AI能力。

　　而作為大模型的最主要應(yīng)用場景之一，RAG技術(shù)需要配合大模型和向量模型來落地，而諾諦開源了行業(yè)頂尖中文RAG場景向量模型，在為AI領(lǐng)域的持續(xù)創(chuàng)新提供助力的同時(shí)，也可以賦能更多制造企業(yè)實(shí)現(xiàn)智能化升級。