開放可複現文本嵌入模型SEA-Embedding發布

研究論文提出SEA-Embedding，這是一個專為東南亞語言打造、完全開放且可複現的文本嵌入流程。現有頂尖的嵌入模型多依賴未公開或封閉的訓練數據，導致其難以被複現，且對於東南亞語言的穩健性不足。SEA-Embedding旨在解決這些問題，其整個流程僅使用公開可用數據進行訓練。論文透過此模型，系統性研究了穩健嵌入設計的三個核心因素：數據組成、訓練目標以及基礎編碼器的初始化。結果顯示，SEA-Embedding在SEA-BED基準測試上取得了當前最佳的性能，同時為該區域穩健文本嵌入的系統性分析提供了可複現的基礎。