add 模型对比

README.md

@@ -3,8 +3,8 @@ language:
   - zh
   - en
 tags:
-- embedding
-- text-embedding
+  - embedding
+  - text-embedding
 ---
 
 # M3E Models
@@ -22,6 +22,22 @@ M3E 是 Moka Massive Mixed Embedding 的缩写
 - 2023.06.08，添加检索任务的评测结果，在 T2Ranking 1W 中文数据集上，m3e-base 在 ndcg@10 上达到了 0.8004，超过了 openai-ada-002 的 0.7786
 - 2023.06.07，添加文本分类任务的评测结果，在 6 种文本分类数据集上，m3e-base 在 accuracy 上达到了 0.6157，超过了 openai-ada-002 的 0.5956
 
+## 模型对比
+
+|           | 参数数量 | 维度 | 中文 | 英文 | s2s | s2p | s2c | 开源 | 兼容性 | s2s Acc | s2p ndcg@10 |
+| --------- | -------- | -------- | -------- | -------- | -------- | -------- | -------- | ---- | ---------- | ------------ | -------- |
+| m3e-small | 24M      | 512      | 是       | 否       | 是       | 否       | 否       | 是   | 优         | 0.5755       | 0.7262   |
+| m3e-base  | 110M     | 768      | 是       | 是       | 是       | 否       | 否       | 是   | 优         | 0.5834       | 0.8004   |
+| text2vec  | 110M     | 768      | 是       | 否       | 是       | 否       | 否       | 是   | 良         | 0.6157       | 0.6346   |
+| openai    | 未知     | 1576     | 是       | 是       | 是       | 否       | 是       | 否   | 优         | 0.5956       | 0.7786   |
+
+说明：
+- s2s, 即 sentence to sentence ，代表了同质文本之间的嵌入能力，适用任务：文本相似度，重复问题检测，文本分类等
+- s2p, 即 sentence to passage ，代表了异质文本之间的嵌入能力，适用任务：文本检索，GPT 记忆模块等
+- s2c, 即 sentence to code ，代表了自然语言和程序语言之间的嵌入能力，适用任务：代码检索
+- 兼容性，代表了模型在开源社区中各种项目被支持的程度，由于 m3e 是基于 sentence-transformers 的，所以和 openai 在社区的支持度上相当
+- ACC & ndcg@10，详情见下方的评测
+
 ## 使用方式
 
 您需要先安装 sentence-transformers