bigscience/sgpt-bloom-7b1-msmarco
bigscience
Similitud de oraciones
Modelo de embeddings basado en BLOOM 7B1 ajustado para similitud semántica y recuperación de información. Está publicado en Hugging Face como modelo de `sentence-transformers` y aparece orientado a búsqueda, reranking, STS y tareas relacionadas con recuperación multilingüe.
Como usar
Se utiliza para convertir consultas y documentos en embeddings densos comparables entre sí, especialmente en búsqueda semántica, recuperación de pasajes, detección de similitud textual y reranking inicial en pipelines de recuperación. Por el nombre del modelo y las métricas visibles, está especialmente alineado con escenarios tipo MS MARCO y benchmarks MTEB.
Funcionalidades
- Pipeline principal de similitud entre oraciones (`sentence-similarity`).
- Implementado sobre la librería `sentence-transformers`.
- Enfocado en recuperación y ranking semántico, con resultados reportados en MTEB para retrieval, reranking, STS, clustering, clasificación y bitext mining.
- Muestra buen desempeño en conjuntos de recuperación como ArguAna y múltiples subconjuntos de CQADupstack.
- Incluye evaluación multilingüe en varios idiomas, con métricas visibles para inglés, alemán, español, francés, japonés, chino y ruso.
- Metadatos visibles: creado el 2022-08-26, última modificación el 2024-04-03, 42 likes y 55.957 descargas acumuladas.
Casos de uso
- Búsqueda semántica sobre colecciones de documentos o FAQs.
- Recuperación de pasajes para sistemas RAG.
- Medición de similitud entre consultas y respuestas.
- Reranking ligero de candidatos recuperados previamente.
- Agrupación y análisis semántico de textos relacionados.
- Evaluación multilingüe de similitud y recuperación en distintos dominios técnicos.