---
title: xiaobu-embedding-v2
canonical_url: "https://www.modelscope.cn/models/maple77/xiaobu-embedding-v2"
md_url: "https://www.modelscope.cn/models/maple77/xiaobu-embedding-v2.md"
repository: maple77/xiaobu-embedding-v2
last_updated: 2024-07-08
pipeline_tag: text-generation
tasks:
  - text-generation
model_type:
  - bert
architectures:
  - BertModel
library_name:
  - pytorch
frameworks:
  - Pytorch
inference_backends:
  - "deploy_task emb"
  - "sglang 0.5.2"
  - "vllm 0.9.2"
downloads: 1411
stars: 5
tags:
  - mteb
---

# xiaobu-embedding-v2

> xiaobu-embedding-v2 - maple77 在 ModelScope 开源的模型。基于piccolo-embedding[1]，主要改动如下： 合成数据替换为xiaobu-embedding-v1[2]所积累数据 在circleloss[3]视角下统一处理CMTEB的6类问题，最大优势是可充分利用原始数据集中的多个正例，其次是可一定程度上避免考虑多个不同loss之间的权重问题

maple77/xiaobu-embedding-v2 是 ModelScope 魔搭社区上的text-generation模型，可用 deploy_task emb、sglang 0.5.2、vllm 0.9.2 部署。

- **Repository**: maple77/xiaobu-embedding-v2
- **Tasks**: text-generation
- **Inference backends**: deploy_task emb, sglang 0.5.2, vllm 0.9.2
- **Tags**: mteb
- **Downloads**: 1411
- **Stars**: 5
- **Last updated**: 2024-07-08

Source: https://www.modelscope.cn/models/maple77/xiaobu-embedding-v2

---

# xiaobu-embedding-v2

基于piccolo-embedding[1]，主要改动如下：   
  - 合成数据替换为xiaobu-embedding-v1[2]所积累数据  
  - 在circle_loss[3]视角下统一处理CMTEB的6类问题，最大优势是可充分利用原始数据集中的多个正例，其次是可一定程度上避免考虑多个不同loss之间的权重问题  

## Usage (Sentence-Transformers)

```
pip install -U sentence-transformers
```
相似度计算：
```python
from sentence_transformers import SentenceTransformer
sentences_1 = ["样例数据-1", "样例数据-2"]
sentences_2 = ["样例数据-3", "样例数据-4"]
model = SentenceTransformer('lier007/xiaobu-embedding-v2')
embeddings_1 = model.encode(sentences_1, normalize_embeddings=True)
embeddings_2 = model.encode(sentences_2, normalize_embeddings=True)
similarity = embeddings_1 @ embeddings_2.T
print(similarity)
```


## Reference
1. https://github.com/hjq133/piccolo-embedding
2. https://huggingface.co/lier007/xiaobu-embedding
3. https://arxiv.org/abs/2002.10857