MSMARCO 模型 (版本 2)
MS MARCO 是一个大规模信息检索语料库，它基于必应（Bing）搜索引擎的真实用户搜索查询创建。所提供的模型可用于语义搜索，即，给定关键词/搜索短语/问题，模型将找到与搜索查询相关的段落。
训练数据包含超过 50 万个样本，而完整的语料库包含超过 880 万个段落。
用法
from sentence_transformers import SentenceTransformer, util
model = SentenceTransformer("msmarco-distilroberta-base-v2")
query_embedding = model.encode("How big is London")
passage_embedding = model.encode("London has 9,787,426 inhabitants at the 2011 census")
print("Similarity:", util.pytorch_cos_sim(query_embedding, passage_embedding))
有关用法的更多详细信息，请参阅应用 - 信息检索
性能
性能在 TREC-DL 2019 上进行评估，这是一个查询-段落检索任务，其中多个查询已根据其与给定查询的相关性进行了标注。此外，我们还在 MS Marco 段落检索数据集上进行评估。
作为基线，我们展示了使用 Elasticsearch 进行 BM25 词法搜索的结果。
| 方法 | NDCG@10 (TREC DL 19 重排序) | MRR@10 (MS Marco Dev) |
|---|---|---|
| BM25 (Elasticsearch) | 45.46 | 17.29 |
| msmarco-distilroberta-base-v2 | 65.65 | 28.55 |
| msmarco-roberta-base-v2 | 67.18 | 29.17 |
| msmarco-distilbert-base-v2 | 68.35 | 30.77 |