说明文档

语义文本相似度交叉编码器

该模型使用 SentenceTransformers 的 Cross-Encoder 类进行训练。

训练数据

该模型在 STS benchmark 数据集上进行训练。模型将预测两个句子之间的语义相似度分数，分数范围为 0 到 1。

使用方法与性能

预训练模型可以使用如下方式：

from sentence_transformers import CrossEncoder

model = CrossEncoder('cross-encoder/stsb-roberta-base')
scores = model.predict([('Sentence 1', 'Sentence 2'), ('Sentence 3', 'Sentence 4')])

模型将对 ('Sentence 1', 'Sentence 2') 和 ('Sentence 3', 'Sentence 4') 这两对句子进行分数预测。

您也可以不使用 sentence_transformers，直接使用 Transformers 的 AutoModel 类来使用该模型。

cross-encoder/stsb-roberta-base

作者 cross-encoder

text-ranking sentence-transformers

↓ 197.9K ♥ 5

创建时间: 2022-03-02 23:29:05+00:00

更新时间: 2025-04-11 08:18:13+00:00

在 Hugging Face 上查看

文件 (25)

.gitattributes

CECorrelationEvaluator_sts-dev_results.csv

README.md

config.json

flax_model.msgpack

merges.txt

model.safetensors

onnx/model.onnx ONNX

onnx/model_O1.onnx ONNX

onnx/model_O2.onnx ONNX

onnx/model_O3.onnx ONNX

onnx/model_O4.onnx ONNX

onnx/model_qint8_arm64.onnx ONNX

onnx/model_qint8_avx512.onnx ONNX

onnx/model_qint8_avx512_vnni.onnx ONNX

onnx/model_quint8_avx2.onnx ONNX

openvino/openvino_model.bin

openvino/openvino_model.xml

openvino/openvino_model_qint8_quantized.bin

openvino/openvino_model_qint8_quantized.xml

pytorch_model.bin

special_tokens_map.json

tokenizer.json

tokenizer_config.json

vocab.json