🔥 Sentence Transformers v5 发布重磅更新！现在不仅支持 Dense 和 Reranker 模型训练，还原生支持「稀疏向量模型（Sparse Embedding Models）」的微调训练啦！

相比传统 dense 向量，稀疏向量维度更高但多数为 0，不仅节省存储，还更具可解释性。你甚至能清晰看到哪些词在匹配中起了作用，非常适合语义搜索、混合检索（Hybrid Retrieval）和 RAG 场景 📚

📌 本次更新支持训练以下三类稀疏模型：
1️⃣ SPLADE：用 MLM 模型和稀疏池化组合而成，最常见架构
2️⃣ Inference-Free SPLADE：查询侧完全“免推理”，极致低延迟
3️⃣ CSR 模型：将 dense 向量稀疏化，兼具高性能与高压缩比

🎯 整个训练流程只需准备 6 个组件：模型、数据集、损失函数、训练参数、评估器和 Trainer。全流程可自定义，也支持多数据集训练、蒸馏式训练等高级功能，完全 Hugging Face 风格！

🚀 作者在 Natural Questions 数据集上用 distilBERT 微调了一个 inference-free 模型，在 NanoMSMARCO 数据集上达到了 NDCG@10 = 52.41 的好成绩，结合 dense 模型可提升至 66.28，媲美主流 RAG 检索器！

🤗 欢迎加入我们的中文社区：Chinese LLMs on Hugging Face，一起探索下一代语义搜索！
#稀疏向量##语义搜索##Hugging Face#