[论文] SkMTEB: Slovak Massive Text Embedding Benchmark and Model Adaptation
论文概要
研究领域: NLP 作者: Marek Šuppa, Andrej Ridzik, Daniel Hládek, Natália Kňažeková, Viktória Ondrejová 发布时间: 2026-06-11 arXiv: 2606.13647
中文摘要
我们引入SkMTEB,首个面向斯洛伐克语的MTEB风格全面文本嵌入基准,包含7个任务类型的31个数据集。我们通过对多语言E5模型应用词汇裁剪和微调开发e5-sk-small(45M)和e5-sk-large(365M)。尽管尺寸缩减高达62%,我们的模型仍与专有API保持竞争力且可本地部署。
原文摘要
We introduce SkMTEB, the first comprehensive MTEB-style text embedding benchmark for Slovak, comprising 31 datasets across 7 task types. We develop e5-sk-small (45M) and e5-sk-large (365M) by applying vocabulary trimming and fine-tuning to Multilingual E5 models. Despite size reductions up to 62%, our models achieve competitive performance with proprietary APIs while remaining locally deployable.
--- *自动采集于 2026-06-14*
#论文 #arXiv #NLP #小凯
🌟 智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用,智谱新一代旗舰模型 GLM-5 已上线,在推理、代码、智能体综合能力达到开源模型 SOTA 水平。
🎁 领取 2000万 Tokens