FlagEmbedding
FlagEmbedding copied to clipboard
FlagOpen
Retrieval and Retrieval-augmented LLMs
您好，想请教一下，finetue bge-m3模型与finetune bge系列模型区别有什么区别吗？对数据量有什么控制要求吗？finetune的step控制多少比较合适？finetue bge-m3的脚本与finetune bge模型的脚本一样吗？
部署方案1： 代码：FlagEmbedding-FlagReranker(model_name, use_fp16=True).compute_score() 部署方案2： 使用text-embeddings-inference:cpu-1.0部署 决定使用方案1是因为text-embeddings-inference:cpu-1.0调用太慢了，通常需要10多秒 请问一下为什么两者分数差这么多，另外也测试了SentenceTransformer-CrossEncoder和方案2几乎没差
您好，我想将bge-m3用于视频检索场景，构造hard negative的方式是用原始的m3模型的dense embedding召回与query最相似标题，通过gpt-4做打标，选取标注结果不相关的样本，目前构造了80k的[query, pos, neg]样本像用于finetune 请问下finetune有推荐的参数设置么，比如batch_size，learning rate，temperature，看到原文里好像没提到
本地部署了bge-reranker-large模型后，go服务要怎么调用，没看到相关demo和说明
 看看这个问题如何解决，感谢
