arXiv · NLP· Tohir Saidzoda, Nekruz Maxudov, Bedil Karimov, Abubakr Abdullozoda, Amin Jalilov, Jonibek Kishvarov, Rahmonali Sharipov, Mariyamkhon Shodyeva·· 17 天前AI 评分24
为塔吉克语检索微调 560M 嵌入模型 Saidzoda-Tajik-E5-Large
Saidzoda-Tajik-E5-Large: Fine-Tuning a 560M Embedder for Tajik Retrieval
AI 导读
团队发布 560M 参数塔吉克语嵌入模型 Saidzoda-Tajik-E5-Large,在未见过的法律文档测试中 Top-10 检索准确率从 80.2% 提升至 93.6%。 模型基于 multilingual-e5-large-instruct 微调,使用 235,140 组数据训练;在税务文档上准确率达 94.5%,性能与 Giga-Embeddings-3B 持平但参数量仅为其五分之一。
来源:arXiv · NLP · arxiv.org