本次开源的模型ERNIE 3.0系列的模型的基础上，使用RocketQA的训练策略训练的DualEncoder和CrossEncoder模型，相比于原始的RocektQA模型，在中文上的效果达到最佳。
| 模型 | 模型规模 | MRR@10 | Recall@1 | Recall@50 |
|---|---|---|---|---|
| rocketqa-baselines | 12-layer, 768-hidden | 56.45% | 45.05% | 91.40% |
| rocketqa-zh-base-query-encoder&rocketqa-zh-base-para-encoder | 12-layer, 768-hidden | 59.14% | 48.00% | 92.15% |
| rocketqa-zh-medium-query-encoder&rocketqa-zh-medium-para-encoder | 6-layer, 768-hidden | 53.92% | 42.35% | 89.75% |
| rocketqa-zh-mini-query-encoder&rocketqa-zh-mini-para-encoder | 6-layer, 384-hidden | 44.97% | 34.25% | 84.97% |
| rocketqa-zh-micro-query-encoder&rocketqa-zh-micro-para-encoder | 4-layer, 384-hidden | 40.22% | 28.70% | 83.40% |
| rocketqa-zh-nano-query-encoder&rocketqa-zh-nano-para-encoder | 4-layer, 312-hidden | 38.07% | 27.35% | 80.35% |
| 模型 | 模型规模 | MRR@10 | Recall@1 | Recall@50 |
|---|---|---|---|---|
| rocketqa-baselines | 12-layer, 768-hidden | 65.62% | 55.50% | 91.75% |
| rocketqa-base-cross-encoder | 12-layer, 768-hidden | 76.64% | 70.05% | 91.75% |
| rocketqa-medium-cross-encoder | 6-layer, 768-hidden | 74.82% | 67.30% | 91.75% |
| rocketqa-mini-cross-encoder | 6-layer, 384-hidden | 70.25% | 60.85% | 91.75% |
| rocketqa-micro-cross-encoder | 4-layer, 384-hidden | 68.80% | 59.35% | 91.75% |
| rocketqa-nano-cross-encoder | 4-layer, 312-hidden | 67.99% | 58.25% | 91.75% |
RocketQA系列的模型在GPU上能够达到ms级别的速度，一个query大概20ms左右，最快能够达到10ms，另外，为了验证在CPU上的速度，我们使用RocketQA系列的模型在CPU上测试了构建索引的时间，数据集是1398条，在cpu上的测试时间，以下cpu上的查询时间指的是在后台query发一次请求经过模型处理后得到结果的时间，包含召回和排序两部分，召回的文本数为30条。
| 模型 | 模型规模 | 构建索引时间 | 查询一条文本时间 |
|---|---|---|---|
| rocketqa-baselines | 12-layer, 768-hidden | 15min46s | 10.04s/30条 |
| rocketqa-zh-base | 12-layer, 768-hidden | 15min54s | 11.50s/30条 |
| rocketqa-zh-medium | 6-layer, 768-hidden | 7min54s | 5.39s/30条 |
| rocketqa-zh-mini | 6-layer, 384-hidden | 4min10s | 4.02s/30条 |
| rocketqa-zh-micro | 4-layer, 384-hidden | 2min49s | 3.0s/30条 |
| rocketqa-zh-nano | 4-layer, 312-hidden | 2min30s | 2.84s/30条 |
注意在测试速度的时候会有一些浮动，有很多因素会影响测试速度，比如 elastic search本身的性能，检索的文本数目，但总体的结论不会变。
- 数据集选择，使用 T2Ranking 数据集，由于 T2Ranking 的数据集太大，评测起来的时间成本有些高，所以我们只选择了 T2Ranking 中的前 10000 篇文章
- 评测方式，使用 MTEB 的方式进行评测，报告 map@1, map@10, mrr@1, mrr@10, ndcg@1, ndcg@10
- 安装依赖
pip install -r requirements.txt- 运行评测脚本
python retrieval_benchmarks.py