train-sentence-transformers
训练或微调 sentence-transformers 模型，涵盖 `SentenceTransformer`（双编码器，用于检索、相似度、聚类、分类、释义挖掘、去重、多模态的稠密或静态嵌入模型）、`CrossEncoder`（重排序器，用于两阶段检索/配对分类的配对打分）、`SparseEncoder`（SPLADE，用于学习型稀疏检索的稀疏嵌入模型）以及 `MultiVectorEncoder`（ColBERT/后期交互，逐词元嵌入并用 MaxSim 打分）。涵盖损失函数选择、难负样本挖掘、评估器、蒸馏、LoRA、Matryoshka 以及 Hugging Face Hub 发布。适用于任何 sentence-transformers 训练任务。
机器翻译查看英文原文
Train or fine-tune sentence-transformers models across `SentenceTransformer` (bi-encoder, dense or static embedding model for retrieval, similarity, clustering, classification, paraphrase mining, dedup, multimodal), `CrossEncoder` (reranker, pair scoring for two-stage retrieval / pair classification), `SparseEncoder` (SPLADE, sparse embedding model for learned-sparse retrieval), and `MultiVectorEncoder` (ColBERT / late-interaction, per-token embeddings scored with MaxSim). Covers loss selection, hard-negative mining, evaluators, distillation, LoRA, Matryoshka, and Hugging Face Hub publishing. Use for any sentence-transformers training task.
适用对象：搜索与知识管理。自动收录 · 待核查。
在 Cursor 中使用
该组合的专门教程待补充，尚未核实适配。
准备条件
- 本条仅收录原作者的技能元数据；请阅读完整说明，确认依赖、许可与使用条件。
选择已有说明的 AI 工具，或在页面加载后保存待办及提出教程请求。
查看原作者说明 ↗