all-MiniLM-L6-v2
轻量英语句向量模型，输出384维向量用于检索、聚类与相似度。
最后核实：
https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2特点与限制
主要特点
- 约22.7M参数
- 384维稠密向量
- 官方Sentence Transformers接口
使用边界
- 默认最长256 word pieces，超长输入会截断。
- 卡片面向英语句子与短段落，不据此推断中文效果。
- 自写Transformers推理时须按卡片执行mean pooling与归一化。
模型信息
- 家族与版本
- MiniLM / L6-v2
- 输入与输出
- 文本 → 向量
- 公开参数规模
- 0.0227B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- Hugging Face模型卡列表标注22.7M参数，换算0.0227B；输出384维向量，默认超过256 word pieces截断。 参数来源
- 原生上下文
- 256 tokens
- 扩展上下文
- 未提供
- 语言声明
- 英语（卡片主要说明英语句子与段落编码）；语言支持不代表对应语言的评测水平。
- 权重许可
- Apache-2.0
- 代码许可
- 未核实
- 训练资料
- 模型卡列出多个训练数据集和对比学习方法，但不是逐样本完整语料清单。
能力依据
模型变体：专用版；家族与版本：MiniLM / L6-v2
向量检索 证据不足
RTEB / MTEB0.5295分（0–1）第三方评测 · 英语RTEB / MTEB0.3451分（0–1）第三方评测 · 英语、Python代码RTEB / MTEB0.746分（0–1）第三方评测 · 英语、Python代码查看评估与来源收起补充信息
向量检索 证据不足
RTEB / MTEB0.5295分（0–1）第三方评测 · 英语
RTEB / MTEB0.3451分（0–1）第三方评测 · 英语、Python代码
RTEB / MTEB0.746分（0–1）第三方评测 · 英语、Python代码
社区提交的MTEB/RTEB结果提供了英语医疗问答、数据科学和Python代码检索测试集上的参考分数（nDCG@10分别为0.5295、0.3451、0.7460），与模型卡的英语句向量定位相符；但提交者与模型发布方的关系未核实，不能据此视为独立复测或充分交叉验证。
已有依据支持
- MTEB结果库以CC0发布成绩数据，并提供准确型号对应的社区任务记录。
- 三项结果对应明确的测试集，分别覆盖医疗问答、数据科学和基础Python代码检索。
证据限制
- 目前只有单个社区提交；其与模型发布方的关系未核实，因此证据状态不足以确认独立性。
- 结果未列模型revision和完整提示配置；不同任务分数不可相互排名。
- 模型卡定位英语句子/短段落，结果不能证明中文表现或任意领域检索质量。
RTEB / MTEB · 0.5295 分（0–1）第三方评测 · fzoll（社区结果提交者；与模型发布方的关系未核实）
展开评测条件与来源
- 模型标识 / 修订
- sentence-transformers/all-MiniLM-L6-v2 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / MTEB reference implementation
- 数据集 / 划分
- 医疗问答检索（测试集） / test
- 基准 / 报告版本
- MTEB Results PR #264（2025-08）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；fzoll提交的RTEB结果；MTEB任务主指标 ndcg_at_10，测试集。MTEB Results声明使用其评测包；PR作者勾选结果来自reference implementation。PR未列模型revision及完整提示配置，且不能据提交用户名确认其与模型发布方的关系。
- 评测日期 / 核实日期
- 未提供 / 2026-10-02
- 来源
- https://github.com/embeddings-benchmark/results/pull/264
- 来源使用说明
- 开放数据；许可：CC0-1.0；引用结果数据仓库中按CC0发布的少量成绩；RTEB任务及其数据集分别遵循各自许可，本记录不复制基准数据。 查看说明
- 比较状态
- 不可比：来源未披露足以复现和统一对齐的完整模型revision及推理配置；该结果仅记录原报告口径，不加入跨型号比较组。
RTEB / MTEB · 0.3451 分（0–1）第三方评测 · fzoll（社区结果提交者；与模型发布方的关系未核实）
展开评测条件与来源
- 模型标识 / 修订
- sentence-transformers/all-MiniLM-L6-v2 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / MTEB reference implementation
- 数据集 / 划分
- DS-1000 数据科学代码检索（测试集） / test
- 基准 / 报告版本
- MTEB Results PR #264（2025-08）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；fzoll提交的RTEB结果；MTEB任务主指标 ndcg_at_10，测试集。MTEB Results声明使用其评测包；PR作者勾选结果来自reference implementation。PR未列模型revision及完整提示配置，且不能据提交用户名确认其与模型发布方的关系。
- 评测日期 / 核实日期
- 未提供 / 2026-10-02
- 来源
- https://github.com/embeddings-benchmark/results/pull/264
- 来源使用说明
- 开放数据；许可：CC0-1.0；引用结果数据仓库中按CC0发布的少量成绩；RTEB任务及其数据集分别遵循各自许可，本记录不复制基准数据。 查看说明
- 比较状态
- 不可比：来源未披露足以复现和统一对齐的完整模型revision及推理配置；该结果仅记录原报告口径，不加入跨型号比较组。
RTEB / MTEB · 0.746 分（0–1）第三方评测 · fzoll（社区结果提交者；与模型发布方的关系未核实）
展开评测条件与来源
- 模型标识 / 修订
- sentence-transformers/all-MiniLM-L6-v2 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / MTEB reference implementation
- 数据集 / 划分
- MBPP Python代码检索（测试集） / test
- 基准 / 报告版本
- MTEB Results PR #264（2025-08）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；fzoll提交的RTEB结果；MTEB任务主指标 ndcg_at_10，测试集。MTEB Results声明使用其评测包；PR作者勾选结果来自reference implementation。PR未列模型revision及完整提示配置，且不能据提交用户名确认其与模型发布方的关系。
- 评测日期 / 核实日期
- 未提供 / 2026-10-02
- 来源
- https://github.com/embeddings-benchmark/results/pull/264
- 来源使用说明
- 开放数据；许可：CC0-1.0；引用结果数据仓库中按CC0发布的少量成绩；RTEB任务及其数据集分别遵循各自许可，本记录不复制基准数据。 查看说明
- 比较状态
- 不可比：来源未披露足以复现和统一对齐的完整模型revision及推理配置；该结果仅记录原报告口径，不加入跨型号比较组。
运行条件与获取
Sentence Transformers
系统支持未提供 · Sentence Transformers model · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；内存、显存和速度取决于精度、输入、运行时与硬件，不从参数量或文件体积推算资源保证。
内存：未核实；显存：未核实。
依赖：sentence-transformers。
STEP 01 准备运行环境
安装官方 Sentence Transformers Python库。
python -m pip install -U sentence-transformersSTEP 02 加载模型
使用 SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2') 编码；文档和查询应保持同样预处理。