模型介绍
这是一个sentence-transformers模型:它将句子和段落映射到一个384维的稠密向量空间,可用于聚类或语义搜索等任务。在没有sentence-transformers的情况下,您可以这样使用该模型:首先,将输入通过Transformer模型,然后需要在上下文相关的词嵌入之上应用适当的池化操作。该项目旨在利用自监督对比学习目标,在超大规模的句子级别数据集上训练句子嵌入模型。我们使用了预训练的`nreimers/MiniLM-L6-H384-uncased`模型,并在一个包含10亿对句子的数据集上进行了微调。我们采用对比学习目标:给定一对句子中的一个句子,模型应预测在一组随机采样的其他句子中,哪一个实际上与之在我们的数据集中配对。
主要特点
特点摘要待依据来源补齐,不凭模型名称推断能力。
局限与注意事项
暂无足够来源支持具体缺点结论。请重点验证实际任务表现、时延、数据政策、许可与版本生命周期。
来源报价与费用分析
同一模型在不同渠道、地区和配置下可能采用不同价格。下表独立保留各渠道报价,不将渠道价格视为厂商官方统一价格。
| 来源 / 渠道 | 输入 | 输出 | 计费单位 | 采集时间 |
|---|---|---|---|---|
| 暂未取得可核验报价,请查阅来源渠道。 | ||||
按月估算基础 Token 费用
预估不包含缓存优惠、阶梯定价、多模态附加费用、网络检索、税费及推理额外输出。
公开评测与运行配置
暂无已采集的可核验公开评分。模型未上榜不代表能力较低。
查看完整已收录榜单 →常见问题
开放权重是否代表可以免费商用?
不一定。应核对具体版本许可证、商用门槛和使用政策。自部署还会产生算力和维护成本。
这些价格是实时结算价格吗?
不是实时结算价格,而是带采集时间的来源报价快照。请到对应渠道核对当前版本、区域、折扣和计费方式。
资料来源与可追溯记录
许可证:apache-2.0。模型介绍与第三方评测均以原来源的具体版本和方法为准。