multilingual-e5-base
intfloat · 工具包
把约 100 种语言的文本变成向量,让你能跨语言比较含义,用于搜索和匹配。适合构建多语言检索的开发者。
把句子和段落变成 768 个数字组成的向量,用来按含义搜索、聚类和比较文本,适合处理英文的开发者和数据团队。
all-mpnet-base-v2 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U sentence-transformers
all-mpnet-base-v2 是一个 sentence-transformers 模型,把句子和段落转换成 768 个数字组成的向量。含义相近的文本会靠得很近,所以这些向量可用于语义搜索和聚类。它以 MPNet 基础模型为起点,并在一个包含 10 亿对句子的数据集上微调。
如果你是开发者、数据团队或研究人员,需要按含义而不是按字面比较英文文本,它就适合你。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 软件 | 搜索工程师 | 把文档和查询变成向量,按距离排序 | 团队把帮助文章做成向量,找出最接近用户问题的几篇 |
| 客服 | 客服团队 | 把新消息匹配到相似的历史消息 | 团队把描述同一个问题的来信归到一组 |
| 研究 | NLP 研究人员 | 按含义给文本聚类 | 研究人员把问卷回答分成几个主题 |
如果你的文本不是英文,可以跳过它,因为记录里只列了英语。
| 用例 | 谁用 | 得到什么 |
|---|---|---|
| 语义搜索 | 开发者 | 可以比较远近、找出最接近文本的向量 |
| 聚类 | 数据分析师 | 可以分成主题的向量 |
| 相似文本匹配 | 客服或研究团队 | 两段文本之间的接近程度分数 |
pip install -U sentence-transformers
pip install -U huggingface_hub hf download sentence-transformers/all-mpnet-base-v2
你加载模型,传入一个句子列表,再调用 encode,就能为每个句子得到一个向量。模型卡还给出了一条经由普通 Transformers 的路线,需要你自己做平均池化并对向量做归一化。
from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]
model = SentenceTransformer('sentence-transformers/all-mpnet-base-v2')
embeddings = model.encode(sentences)
print(embeddings)| 工具 | 作用 |
|---|---|
| SentenceTransformer | 按名称加载模型 |
| model.encode | 把句子列表变成向量 |
| AutoTokenizer 和 AutoModel | 普通 Transformers 路线,池化和归一化要自己做 |
| Text Embeddings Inference | 在容器里提供模型服务,带有 OpenAI 风格的嵌入接口 |
你编码两个简短的句子,一个说这是个示例,另一个说每个句子都会被转换。脚本会打印两个各含 768 个数字的向量,每句一个,你可以比较它们的接近程度。
嵌入是一串数字,代表一段文本的含义。意思相近的句子,得到的数字串也靠得近。你可以先用自己的两个句子试一下上面的示例。
对熟悉这个领域的人来说,这个模型是用对比学习目标训练的:给定一对句子中的一句,它要从一组随机抽取的句子里挑出真正的配对句。团队在 Hugging Face 社区周期间,用 JAX 和 Flax 在 7 块 TPU v3-8 上完成训练。用普通 Transformers 时,你要按注意力掩码加权,取词元嵌入的平均值,再做归一化。
把句子和段落变成 768 个数字组成的向量,用来按含义搜索、聚类和比较文本,适合处理英文的开发者和数据团队。
由 sentence-transformers 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:all-mpnet-base-v2 是一个 sentence-transformers 模型,把句子和段落转换成 768 个数字组成的向量。含义相近的文本会靠得很近,所以这些向量可用于语义搜索和聚类。它以 MPNet 基础模型为起点,并在一个包含 10 亿对句子的数据集上微调。
适合谁:如果你是开发者、数据团队或研究人员,需要按含义而不是按字面比较英文文本,它就适合你。
行业 | 谁在用 | 怎么用 | 例子
软件 | 搜索工程师 | 把文档和查询变成向量,按距离排序 | 团队把帮助文章做成向量,找出最接近用户问题的几篇
客服 | 客服团队 | 把新消息匹配到相似的历史消息 | 团队把描述同一个问题的来信归到一组
研究 | NLP 研究人员 | 按含义给文本聚类 | 研究人员把问卷回答分成几个主题
如果你的文本不是英文,可以跳过它,因为记录里只列了英语。
用在哪里:
用例 | 谁用 | 得到什么
语义搜索 | 开发者 | 可以比较远近、找出最接近文本的向量
聚类 | 数据分析师 | 可以分成主题的向量
相似文本匹配 | 客服或研究团队 | 两段文本之间的接近程度分数
如何设置:
pip install -U sentence-transformers
pip install -U huggingface_hub
hf download sentence-transformers/all-mpnet-base-v2
如何使用:
你加载模型,传入一个句子列表,再调用 encode,就能为每个句子得到一个向量。模型卡还给出了一条经由普通 Transformers 的路线,需要你自己做平均池化并对向量做归一化。
from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]
model = SentenceTransformer('sentence-transformers/all-mpnet-base-v2')
embeddings = model.encode(sentences)
print(embeddings)
工具 | 作用
SentenceTransformer | 按名称加载模型
model.encode | 把句子列表变成向量
AutoTokenizer 和 AutoModel | 普通 Transformers 路线,池化和归一化要自己做
Text Embeddings Inference | 在容器里提供模型服务,带有 OpenAI 风格的嵌入接口
示例:你编码两个简短的句子,一个说这是个示例,另一个说每个句子都会被转换。脚本会打印两个各含 768 个数字的向量,每句一个,你可以比较它们的接近程度。
新手与专家:嵌入是一串数字,代表一段文本的含义。意思相近的句子,得到的数字串也靠得近。你可以先用自己的两个句子试一下上面的示例。
对熟悉这个领域的人来说,这个模型是用对比学习目标训练的:给定一对句子中的一句,它要从一组随机抽取的句子里挑出真正的配对句。团队在 Hugging Face 社区周期间,用 JAX 和 Flax 在 7 块 TPU v3-8 上完成训练。用普通 Transformers 时,你要按注意力掩码加权,取词元嵌入的平均值,再做归一化。
你的句子输入
分词器把它们切成词元
MPNet 模型生成词元嵌入
平均池化把它们合成每句一个
每句得到一个 768 数字的向量
注意事项:
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download sentence-transformers/all-mpnet-base-v2
然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| all-mpnet-base-v2 本页 | 19,940,706 | 1,406 | 109M | apache-2.0 | |
| all-MiniLM-L6-v2共有 openvino · sentence-similarity · text-embeddings-inference | 174,740,184 | 6,104 | 22.7M | apache-2.0 | |
| paraphrase-multilingual-MiniLM-L12-v2共有 openvino · sentence-similarity · text-embeddings-inference | 26,540,125 | 1,505 | 118M | apache-2.0 | |
| multilingual-e5-large共有 openvino · sentence-similarity · text-embeddings-inference | 7,120,555 | 1,284 | 560M | mit | |
| multilingual-e5-base共有 openvino · sentence-similarity · text-embeddings-inference | 4,750,367 | 422 | 278M | mit | |
| bge-small-en-v1.5共有 sentence-similarity · text-embeddings-inference · sentence-transformers | 45,750,548 | 671 | 33.4M | mit |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
intfloat · 工具包
把约 100 种语言的文本变成向量,让你能跨语言比较含义,用于搜索和匹配。适合构建多语言检索的开发者。
aldegad · 技能
把一张角色底图做成可直接进游戏的精灵图,输出带清单的图集或透明动作循环,适合在 Codex 或 Claude Code 里做游戏的开发者。
yanliudesign · 技能
根据主题、物品或你的照片,做出原创的一色和两色编辑风格图像,用于海报、杂志、肖像和包装。返回图像、准确的提示词和一份简短配方。
foryourhealth111-pixel · 技能
从大量已安装的技能中挑出合适的,并把每个任务拆成可检查的步骤,交给你的编程智能体。在它自己的基准测试里,平均奖励提高了 21.12 个百分点,令牌用量下降了 29.6%。
elementalsouls · 技能
为 Claude Code 提供 83 个技能和 15 个斜杠命令,用于漏洞赏金和获得授权的红队工作,从网页漏洞类别到企业身份攻击,再到报告撰写。适合安全研究人员。
bsaleh03 · 工具包
把 Qwen3.8-27B 的词表裁剪到只剩 ASCII,让一块 16 GB 显卡就能装下长得多的提示词。这是供 llama.cpp 使用的 GGUF 版本,适合英文文本和代码。