gowitheflow/LASER-cubed-bert-base-unsup

Usa el modelo con Sentence Transformers:

from sentence_transformers import SentenceTransformer
model = SentenceTransformer("gowitheflow/LASER-cubed-bert-base-unsup")

text = "LASER-cubed es un modelo increíble - Se generaliza a textos largos sin necesidad de que los conjuntos de entrenamiento tengan textos largos."
representation = model.encode(text)

Evalúa el modelo con el framework BEIR:

from beir.retrieval import models
from beir.datasets.data_loader import GenericDataLoader
from beir.retrieval.evaluation import EvaluateRetrieval
from beir.retrieval.search.dense import DenseRetrievalExactSearch as DRES

# descarga los conjuntos de datos con el repositorio original de BEIR primero
data_path = './datasets/arguana'
corpus, queries, qrels = GenericDataLoader(data_folder=data_path).load(split="test")
model = DRES(models.SentenceBERT("gowitheflow/LASER-cubed-bert-base-unsup"), batch_size=512)
retriever = EvaluateRetrieval(model, score_function="cos_sim")
results = retriever.retrieve(corpus, queries)
ndcg, _map, recall, precision = retriever.evaluate(qrels, results, retriever.k_values)