向量检索能力SOTA，字节Seed1.5-Embedding模型训练细节公开

文章预览

字节跳动 Seed 团队最新向量模型 Seed1.5-Embedding 公布技术细节，该模型基于 Seed1.5 (Doubao-1.5-pro) 进一步训练。在权威测评榜单 MTEB 上，Seed1.5-Embedding 达到了中英文 SOTA 效果。除了通用 Embedding 任务外，团队还额外优化了模型在推理密集的检索任务上的能力，并在对应榜单 BRIGHT 上也达到 SOTA。 团队认为，Seed1.5-Embedding 可作为搜索任务中的关键组件，高质量地将用户输入文本、文档信息转换为向量并建立匹配关系。该模型 API 接口将于近期在火山方舟平台开放，欢迎保持关注： HuggingFace:   https://huggingface.co/ByteDance-Seed/Seed1.5-Embedding 向量模型（Embedding Model）可将输入文本的语义编码到高维空间的表征向量中，使得相关文本之间的向量相似度更高，能够支撑检索、分类、聚类等各项下游任务，从而在搜索、推荐、内容理解等场景中被广泛应用。 随着大模型 ………………………………