Skill 多語言閱讀指南
train-sentence-transformers用途、用法與原始來源
訓練或微調句子轉換器模型SentenceTransformer（雙編碼器、用於檢索、相似性、聚類、分類、釋義挖掘、去重、多模態的密集或靜態嵌入模型）CrossEncoder（重排序器，兩階段檢索/配對分類的配對評分）SparseEncoder（SPLADE，用於學習稀疏檢索的稀疏嵌入模型），以及MultiVectorEncoder（ColBERT / 後期交互，使用 MaxSim 評分的逐詞嵌入）。涵蓋損失選擇、難負樣本挖掘、評估器、蒸餾、LoRA、Matryoshka 和 Hugging Face Hub 發布。適用於任何句子轉換器訓練任務。
原文擷取時間:
- 來源儲存庫
- huggingface/skills
- SKILL.md
skills/train-sentence-transformers/SKILL.md- 儲存庫 Star
- 11,241
- 儲存庫最近更新
- 2026-10-30
- 能力分類
- 開發
- 最近採集時間
授權：Apache-2.0
流程片段用來協助閱讀上游說明。本頁沒有執行第三方 Skill，不屬於實測評測。
下面的用途與操作片段來自上游文件，由本站整理並翻譯，和另行標示的 Codez 編輯分析分開呈現。
這個 Skill 能做什麼
訓練或微調句子轉換器模型SentenceTransformer（雙編碼器、用於檢索、相似性、聚類、分類、釋義挖掘、去重、多模態的密集或靜態嵌入模型）CrossEncoder（重排序器，兩階段檢索/配對分類的配對評分）SparseEncoder（SPLADE，用於學習稀疏檢索的稀疏嵌入模型），以及MultiVectorEncoder（ColBERT / 後期交互，使用 MaxSim 評分的逐詞嵌入）。涵蓋損失選擇、難負樣本挖掘、評估器、蒸餾、LoRA、Matryoshka 和 Hugging Face Hub 發布。適用於任何句子轉換器訓練任務。
如何使用：上游操作流程
5工作流程
確定模型類型（§）1）。如有歧義，請詢問。載入 §2這類型書籍的必讀文件。打開scripts/train__example.py並將其複製作為你的起始點。替換MODEL_NAME，DATASET_NAME，RUN_NAME損失，以及評估者與使用者任務之間的關係。交叉檢查loss/data-shape對抗references/losses_.md交叉核對metric_for_best_model關鍵在於references/evaluators_.md（指定評估者將金鑰格式化為）eval_{name}_{primary_metric}）。
訓練句子轉換器模型
這SKILL.md這是一條路由，而不是一份手冊。它會告訴你應該為你的任務載入哪些參考資料和範例腳本。實際內容（建議的損失函數、評估器、訓練腳本結構、模型選擇、訓練參數設定、故障排除）位於 [此處應填寫特定位置]。references/和scripts/不要僅憑此文件合成訓練腳本。開啟按類型劃分的生產模板（scripts/train__example.py）並將其複製作為你的起點。這些範本包含承載功能的鷹架（自動轉換助手、模型卡類別、日誌記錄器靜默清單、force=True，seed，TF32（版本相容的導入、命名評估器指標處理）先前的代理程式運行在從合成程式碼片段自行建置時反覆錯過的功能。
1確定模型類型
當請求不明確時，可使用下列方法： “嵌入模型” / “向量搜尋” / “相似度” → [SentenceTransformer]。 “重排序” / “排序器” / “兩階段” → [CrossEncoder]。 “SPLADE” / “稀疏” / “倒排索引” → [SparseEncoder]。 “ColBERT” / “後期交互作用” / “多向量” / “MaxSim” / “ColPali” / “ColQwen” → [MultiVectorEncoder]。 如果仍有疑問，請諮詢。
原文片段 · L12 ↗環境與相依需求
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)限制與結果檢查
4產生的腳本必須滿足的限制條件
這些是不可協商的合約。實施方案已包含在生產範本和參考資料中。請勿重複發明輪子。請記錄培訓前評估員的評分。baseline_eval前trainer.train()。
開始使用前
- 先核對支援的 Agent 宿主和儲存庫安裝說明。保留完整 Skill 目錄及其引用的腳本、資源和文件，只複製 SKILL.md 可能遺漏相依需求。
- 向 Agent 提供實際輸入、預期輸出和驗收標準。呼叫方式與可用工具取決於宿主環境，本站不假定存在通用的安裝指令。
- 先在暫存專案或輸入副本上試用。涉及修改檔案、遠端服務或計費資源的操作，應逐項核對後再授權。
- 依照原文檢查項目和自己的需求驗證輸出。成功觸發或儲存庫 Star 較高，都不能證明結果正確。
繼續閱讀原始文件
相關 Skill
翻譯與介紹範圍
本頁從固定版本的上游 SKILL.md 整理用途與操作片段，譯文使用輔助翻譯。它不是完整手冊，也不代表經過相容性實測；使用前請核對原文及其引用檔案。
介紹依據下方列出的固定版本；目前儲存庫動態和目錄擷取時間分開呈現。
- 固定版本來源
- 閱讀原文 ↗
- 原文擷取時間
- 來源提交版本
fabc634a893f62ad5c2039830397efa35fa62715- 原文 SHA-256
9bd098d81049fc245032ee4f97cf5d9de906d726731ace4a6df0bad6d9dcd182