현지화된 읽기 가이드

train-sentence-transformers목적, 사용법 및 출처

문장 변환기 모델을 학습시키거나 미세 조정합니다.SentenceTransformer(검색, 유사도 분석, 클러스터링, 분류, 패러프레이즈 마이닝, 중복 제거, 멀티모달링을 위한 바이인코더, 밀집 또는 정적 임베딩 모델)CrossEncoder(재순위화, 2단계 검색/쌍 분류를 위한 쌍 점수화)SparseEncoder(SPLADE, 학습된 희소 검색을 위한 희소 임베딩 모델)MultiVectorEncoder(ColBERT / 후기 상호작용, 토큰별 임베딩은 MaxSim으로 점수화됨). 손실 선택, 하드 네거티브 마이닝, 평가자, 증류, LoRA, Matryoshka 및 Hugging Face Hub 게시를 다룹니다. 모든 문장 변환기 학습 작업에 사용할 수 있습니다.

출처 검색됨: 2026-10-29

소스 저장소: huggingface/skills
SKILL.md: skills/train-sentence-transformers/SKILL.md
저장소 Star: 11,241
저장소 최근 업데이트: 2026-10-30
능력 분류: 개발
최근 수집 시간: 2026-10-31 10:38 UTC+08:00

라이선스: Apache-2.0

원본 SKILL.md

워크플로 발췌본은 이해를 돕기 위한 자료이며, Codez에서 제공하는 실행 가능한 명령어가 아닙니다. 이 페이지를 생성하는 데 타사 Skill은 사용되지 않았습니다.

아래의 목적 및 워크플로 관련 내용은 읽기 쉽도록 정리 및 번역된 상위 자료입니다. 이는 별도로 분류된 Codez 편집 분석과는 별개입니다.

이 스킬의 기능

업스트림 워크플로우 작동 방식

5워크플로우

모델 유형을 식별하십시오(§1). 모호하면 질문하세요. §를 로드하세요.2해당 유형에 필요한 읽기 파일을 엽니다.scripts/train__example.py그리고 그것을 시작점으로 복사하세요. 바꾸기MODEL_NAME,DATASET_NAME,RUN_NAME손실, 그리고 평가자와 사용자의 작업. 교차 검증loss/data-shape경기references/losses_.md교차 확인하십시오metric_for_best_model키에 대한references/evaluators_.md(명명된 평가자는 키를 다음과 같이 포맷합니다)eval_{name}_{primary_metric}).

상류 통로 · L90 ↗

문장 변환기 모델을 학습시키세요

이것SKILL.md라우터이지 설명서가 아닙니다. 작업에 필요한 참조 자료와 예제 스크립트를 알려주는 역할을 합니다. 실제 콘텐츠(권장 손실 함수, 평가 도구, 학습 스크립트 구조, 모델 선택, 학습 인자 설정, 문제 해결)는 다른 곳에 있습니다.references/그리고scripts/이 파일만으로 학습 스크립트를 생성하지 마십시오. 유형별 프로덕션 템플릿을 여십시오.scripts/train__example.py)를 복사하여 시작점으로 사용하세요. 템플릿에는 로드 밸런싱 스캐폴딩(자동 캐스팅 도우미, 모델 카드 클래스, 로거 비활성화 목록 등)이 포함되어 있습니다.force=True,seed, TF32(버전 호환 가져오기, 명명된 평가자 메트릭 처리 등) 이전 에이전트 실행에서 합성된 코드 조각을 기반으로 자체적으로 실행할 때 반복적으로 누락되었던 기능입니다.

상류 통로 · L6 ↗

1모델 유형을 식별하십시오.

요청이 모호할 경우 다음과 같이 결정합니다. "임베딩 모델" / "벡터 검색" / "유사성" → [SentenceTransformer]. "재순위화" / "랭커" / "2단계" → [CrossEncoder]. "SPLADE" / "희소" / "역인덱스" → [SparseEncoder]. "ColBERT" / "늦은 상호작용" / "다중 벡터" / "MaxSim" / "ColPali" / "ColQwen" → [MultiVectorEncoder]. 여전히 불분명하면 문의하십시오.

상류 통로 · L12 ↗

요구 사항 및 설정

필수 조건

GPU 사용을 강력히 권장합니다. CPU는 데모 용도로만 사용 가능합니다.[SentenceTransformer] StaticEmbedding.

상류 통로 · L100 ↗

상류 통로 · bash ↗

pip install "sentence-transformers[train]>=5.0"        # add [train,image] / [audio] / [video] for [SentenceTransformer] multimodal
                                                       # [MultiVectorEncoder] requires >=6.0
pip install trackio                                    # optional tracker (or wandb / tensorboard / mlflow)
hf auth login                                          # or set HF_TOKEN with write scope (for Hub push)

제한 사항 및 품질 검사

4생성된 스크립트가 충족해야 하는 제약 조건

이 계약은 협상 불가입니다. 구현은 프로덕션 템플릿과 참조 자료에 명시되어 있습니다. 새로운 것을 만들지 마십시오. 사전 교육 평가자의 점수를 기록해 두십시오.baseline_eval~ 전에trainer.train().

상류 통로 · L76 ↗

안전한 시험 사용부터 시작하세요

지원되는 호스트와 저장소 설치 지침을 확인하세요. 스킬 디렉토리와 해당 디렉토리에서 참조하는 스크립트, 자산 및 문서를 함께 보관하세요.SKILL.md단독으로는 종속성을 생략할 수 있습니다.
에이전트에 실제 입력값, 원하는 출력값 및 승인 기준을 제공하십시오. 호출 구문 및 사용 가능한 도구는 호스트에 따라 다르므로 이 사이트는 범용 설치 명령을 제공하지 않습니다.
원본 워크플로를 임시 프로젝트 또는 복사본에서 테스트해 보세요. 파일, 원격 서비스 또는 유료 리소스를 변경하는 작업은 허용하기 전에 검토하십시오.
출력 결과를 원본 품질 검사 및 자체 요구 사항에 맞춰 검증하십시오. 트리거가 성공적으로 작동했거나 저장소의 별점 수가 높다고 해서 반드시 올바른 결과가 나오는 것은 아닙니다.

기술 형식 및 디렉토리 사양 ↗

원문에서 더 자세한 내용을 읽어보세요.

번역 및 범위

이 독서 안내서는 고정된 상류 지역에서 발췌한 구절들을 소개합니다.SKILL.md본 번역은 보조 번역이며, 완전한 설명서 또는 호환성 테스트를 보장하는 것은 아닙니다. 사용 전에 원본 및 참조 파일을 반드시 읽어 주십시오.

이 소개글은 아래 고정된 버전을 참조하며, 현재 저장소 활동 및 수집 시간은 별도로 표시됩니다.

고정된 소스: 원문을 읽어보세요 ↗
출처 검색됨: 2026-10-29T09:32:23Z
소스 커밋: fabc634a893f62ad5c2039830397efa35fa62715
출처 SHA-256: 9bd098d81049fc245032ee4f97cf5d9de906d726731ace4a6df0bad6d9dcd182

전체 스킬 카탈로그로 돌아가기