超越众多开源模型 诺谛智能拿下C-MTEB榜单第一

　　近日，诺谛智能“支点”向量模型凭借多样化困难样本采样策略以及基于“支点”大模型的数据合成，超越众多开源模型，拿下主流权威评测C-MTEB榜单排名第一。

　　MTEB(Massive Text Embedding Benchmark)是用于评估文本嵌入模型的一系列评估指标的集合，对应的C-MTEB则被公认为是目前业界最全面、最权威的中文语义向量评测基准之一，涵盖了分类、聚类、检索、排序、文本相似度、STS等6个经典任务，共计35个数据集，为深度测试中文语义向量的全面性和可靠性提供了可靠的实验平台，众多行业领先的开源模型都会参与评测，榜单竞争激烈。

　　此次获得C-MTEB榜单排名第一的诺谛“支点”向量模型，采用了多样化困难样本采样策略，其针对分类和聚类、检索、排序以及句对匹配任务设计了不同的困难样本选择策略。同时该模型还采用了基于诺谛“支点”行业大模型的数据合成，通过多样化的数据合成策略对分类、聚类、句对匹配样本进行重写，为每个样本构造出多个合成样本，并针对检索和排序任务对问题和文章同时进行增强，可生成多个检索问题。此外，对于不同场景的检索任务，“支点”向量模型还设计了多样化损失函数，结合梯度累积策略以及数据调度策略，最终使诺谛“支点”向量模型在分类、聚类、句对匹配、检索、排序任务上的性能大幅提升。

　　在实际应用中，“支点”向量模型为了满足不同业务实际场景对向量的差异化需求，在训练过程中引入了MRL技术，可根据指定维度的向量计算多个附加损失，使其可以输出不同维度的向量用于下游任务，进一步提升实际业务场景下分类、聚类、检索、排序、文本相似度等任务的AI能力。

　　而作为大模型的最主要应用场景之一，RAG技术需要配合大模型和向量模型来落地，而诺谛开源了行业顶尖中文RAG场景向量模型，在为AI领域的持续创新提供助力的同时，也可以赋能更多制造企业实现智能化升级。