Multilingual-E5-Base
基于 xlm-roberta-base 的多语言通用文本嵌入模型（12 层、768 维、约 278M 参数），检索场景需使用 query: 与 passage: 前缀，输入超过 512 tokens 会被截断。
最后核实：
https://huggingface.co/intfloat/multilingual-e5-base特点与限制
主要特点
- 768 维向量、12 层编码器
- 官方声明支持 xlm-roberta 的 100 种语言
- 检索任务使用 query: 与 passage: 前缀（模型卡 FAQ 明确要求）
- 最大输入 512 tokens
- 由 xlm-roberta-base 初始化并在多语数据上持续训练，处于 small 与 large 档位之间的中间规模
使用边界
- 输入超过 512 tokens 会被截断，长文档检索需要自行切分。
- 前缀与训练方式不一致会带来检索性能下降；对称相似度任务官方建议也使用 query: 前缀。
- 官方成绩由发布方运行且未披露评测运行日期，本站未复现。
- MTEB 结果仓库收录有该型号（revision 83519381 等）的多批次社区提交记录，执行者与运行配置未核实，未导入。
模型信息
- 家族与版本
- E5 / Base
- 输入与输出
- 文本 → 向量
- 公开参数规模
- 0.278B（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
- 官方模型卡标注该型号 12 层、向量维度 768，由 xlm-roberta-base 初始化；模型卡与技术报告均未单列参数量，本记录沿用约 278M 的公开部署口径（与 xlm-roberta-base 同量级），核对当日 HF 仓库张量合计 278,044,162（约 278.0M），未从权重文件大小反推。 参数来源
- 原生上下文
- 512 tokens
- 扩展上下文
- 未提供
- 语言声明
- 多语言（官方声明支持 xlm-roberta 的 100 种语言；低资源语言可能出现性能下降）；语言支持不代表对应语言的评测水平。
- 权重许可
- MIT
- 代码许可
- 未核实
- 训练资料
- 模型卡披露两阶段训练：弱监督对比预训练（Filtered mC4 约 1B 对、CC News 400M、NLLB 翻译对 2.4B、Wikipedia 150M、Filtered Reddit 800M、S2ORC 100M、Stackexchange 50M、xP3 80M 等）与监督微调（MS MARCO、NQ、Trivia QA、ELI5、DuReader、KILT、MIRACL 16 语言、Mr. TyDi 11 语言等，且只用各数据集的训练集）；未公开可直接复核的完整原始语料。
能力依据
模型变体：专用版；家族与版本：E5 / Base
向量检索
Mr. TyDi · Avg MRR@1065.9分（0–100）Mr. TyDi（11 种语言的检索数据集） · 多语言（11 种语言）MIRACL · nDCG@1062.3分（0–100）MIRACL dev set（16 种语言的检索子集） · 多语言（16 种语言）MTEB · 任务集平均分59.5分（0–100）MTEB（英文部分任务集，56 datasets） · 英语查看评估与来源收起补充信息
向量检索
Mr. TyDi · Avg MRR@1065.9分（0–100）Mr. TyDi（11 种语言的检索数据集） · 多语言（11 种语言）
MIRACL · nDCG@1062.3分（0–100）MIRACL dev set（16 种语言的检索子集） · 多语言（16 种语言）
MTEB · 任务集平均分59.5分（0–100）MTEB（英文部分任务集，56 datasets） · 英语
发布方公开成绩：模型卡报告 Mr. TyDi 平均 MRR@10 为 65.9；多语 E5 技术报告（arXiv:2402.05672，称 small/base/large 于 2023 年年中发布）报告 MIRACL dev 集平均 nDCG@10 为 62.3、MTEB 英文部分平均分 59.5。三项均为发布方运行；512 tokens 截断是部署时的主要限制。
已有依据支持
- 模型卡与同名技术报告分别给出检索（Mr. TyDi、MIRACL）与通用任务集（MTEB 英文）成绩，且同表列出 small/large 档位对照。
- 模型卡披露弱监督预训练与监督微调的数据集构成及规模。
- 官方 FAQ 明确说明 query:/passage: 前缀的使用规则。
证据限制
- 所有数值由模型发布方运行，未找到许可明确且确认为独立方的同型号结果；MTEB 结果仓库虽有该型号记录，但执行者与运行配置未在本批次核实。
- 来源未披露评测运行日期、模型 revision 与硬件条件，本站未复现。
- 512 tokens 输入上限限制长文档与长查询场景；报告数值不覆盖中文等单语细分。
Mr. TyDi · Avg MRR@10
65.9 分（0–100）官方报告 · intfloat（模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- intfloat/multilingual-e5-base / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- Mr. TyDi（11 种语言的检索数据集） / 未提供
- 基准 / 报告版本
- 模型卡 Benchmark Results on Mr. TyDi 表
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；模型卡 Mr. TyDi 表列出 multilingual-e5-base 平均 MRR@10 为 65.9，并给出逐语言结果（如 ar 72.3、te 86.6、th 72.7）；同表 multilingual-e5-small 为 64.4、multilingual-e5-large 为 70.5。该表未标注模型 revision、评测运行日期与硬件条件；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- intfloat / intfloat-multilingual-e5-model-card
- 来源
- https://huggingface.co/intfloat/multilingual-e5-base
- 来源使用说明
- 引用来源；许可：未提供；仅引用官方模型卡表中的少量成绩并保留来源链接；不复制整表或基准数据，Mr. TyDi 等基准与数据集继续适用各自许可。 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、编码配置与运行条件；该结果仅记录发布方模型卡口径，不加入跨型号比较组。
MIRACL · nDCG@10
62.3 分（0–100）官方报告 · Microsoft E5 团队（模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- intfloat/multilingual-e5-base / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MIRACL dev set（16 种语言的检索子集） / dev
- 基准 / 报告版本
- Multilingual E5 技术报告 Table 6（arXiv v1）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；技术报告 Table 6（nDCG@10 与 R@100，MIRACL dev 集）报告 mE5-base 平均 nDCG@10 为 62.3（同表 R@100 为 93.1；mE5-small 60.8、mE5-large 66.5、mE5-large-instruct 65.7；Table 4 为多模型对照）。报告未披露模型 revision、评测运行日期与硬件条件；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- microsoft-e5-team / microsoft-e5-multilingual-report-2024
- 来源
- https://arxiv.org/html/2402.05672v1
- 来源使用说明
- 引用来源；许可：未提供；仅引用技术报告中的少量评测事实并保留作者与来源链接；不复制报告表格或基准数据，MIRACL 等基准继续适用各自许可。 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、编码配置与运行条件；该结果仅记录原技术报告口径，不加入跨型号比较组。
MTEB · 任务集平均分
59.5 分（0–100）官方报告 · Microsoft E5 团队（模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- intfloat/multilingual-e5-base / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MTEB（英文部分任务集，56 datasets） / 未提供
- 基准 / 报告版本
- Multilingual E5 技术报告 Table 3（arXiv v1）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；技术报告 Table 3（MTEB 英文部分，56 datasets）报告 mE5-base 平均分为 59.5（同表 mE5-small 57.9、mE5-large 61.5、LaBSE 45.2、BGE large-en-v1.5 64.2）。报告说明该分数是所列任务集的平均，未披露使用的 MTEB 版本、评测运行日期与硬件条件；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- microsoft-e5-team / microsoft-e5-multilingual-report-2024
- 来源
- https://arxiv.org/html/2402.05672v1
- 来源使用说明
- 引用来源；许可：未提供；仅引用技术报告中的少量评测事实并保留作者与来源链接；不复制报告表格或基准数据，MTEB 等基准继续适用各自许可。 查看说明
- 比较状态
- 不可比：任务集平均分口径且来源未披露完整模型 revision、MTEB 版本与运行条件；该结果仅记录原技术报告口径，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 · Safetensors / PyTorch（官方仓库同时提供 ONNX 等导出格式） · 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、显存和速度取决于运行时、精度、输入长度与硬件，不将参数量或文件大小换算为资源保证。
内存：未核实；显存：未核实。
依赖：sentence-transformers。
STEP 01 安装依赖
模型卡 Package requirements 给出的安装命令（示例带旧版版本约束，实际版本需与目标环境匹配）。
pip install sentence_transformers~=2.2.2STEP 02 加载模型并编码
按模型卡示例用 SentenceTransformer 加载 intfloat/multilingual-e5-base；每条文本需按训练口径加 query: 或 passage: 前缀；本站未下载权重或执行模型，需在目标设备验证。