实体
text embedding models
text embedding models
PulseAugur coverage of text embedding models — every cluster mentioning text embedding models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的RADAR指标预测基础模型的可迁移性
研究人员开发了RADAR，这是一种旨在估计基础模型在不同领域之间可迁移性的新指标。该方法分析模型层内表示的几何演变，以预测其在新、未见过的数据上的表现。在文本和图像分类任务中，RADAR在对抗现有指标方面表现出竞争力，尤其是在领域转移明显的情况下。
-
LLM指导细化文本嵌入，以提高零样本任务性能
研究人员开发了一种方法，用于提高文本嵌入模型在零样本搜索和分类任务中的性能。他们的方法使用大型语言模型（LLM）根据少量文档的反馈实时细化查询嵌入。这种LLM指导的细化在各种基准测试中持续提升性能，在文献搜索和意图检测等任务中提高了高达25%。该技术使得嵌入模型在不适合完整LLM流程的场景中更具适应性和实用性。