Shitao Xiao
Shitao Xiao
Hi, @chansonzhang Q1: - We will random sample train_group_size-1 negatives from "neg":List[str] - All passages in the same batch (except the positive) will be used as negatives For example, a...
FlagEmbedding/baai_general_embedding/finetune/eval_msmarco.py目前只支持dense。要测试混合模式，参考https://github.com/FlagOpen/FlagEmbedding/tree/master/C_MTEB/MKQA
可以试试stage 0或者1，large级别的模型不需要开stage3。
参考FAQ-2: https://github.com/FlagOpen/FlagEmbedding/tree/master/FlagEmbedding/baai_general_embedding#frequently-asked-questions
@wwz0123 ，您好，排序关注的相似度大小关系，与绝对值无关，参考之前的回答：FAQ：The similarity score between two dissimilar sentences is higher than 0.5 。  使用bge-v1.5和bge-m3的相似度分布会更均匀一些。另外，空字符串是有字符输出的，这是正常的。
@TChengZ 第一行[0.8384 0.7036]是"样例数据-1"对sentences_2的相似度，第二行是"样例数据-2"对sentences_2的相似度。
> > @TChengZ 第一行[0.8384 0.7036]是"样例数据-1"对sentences_2的相似度，第二行是"样例数据-2"对sentences_2的相似度。 > > 另外再咨询下，faq里直接 > > ``` > similarity = embeddings_1 @ embeddings_2.T > ``` > > 这个相似度计算方式和我自己调用余弦cosine计算是一样的吗 是的。
> ``` > # -*- coding: utf-8 -*- > from FlagEmbedding import FlagModel > model = FlagModel('/xxx/bge-m3', > query_instruction_for_retrieval="答案比较", > use_fp16=True) # Setting use_fp16 to True speeds up computation with...
'query', 'passage'本身就不太相关，低是正常的
可以试试降低mteb库的版本