단일 벡터 임베딩은 질문의 모든 의미를 하나의 좌표로 압축해 하나의 의미적 영역만 탐색한다
One query is never enough: why top RAG systems search three times
MyPetTherapist 팀이 키워드 매칭에서 5차원 감정 벡터 공간 기반 매칭으로 전환해 토끼의 불안감 치료 효과를 키워드 방식으로는 발견 불가능하게 개선
I Built an AI That Matches Lonely People with Therapy Pets — Here's What I Learned
Sentence Transformers 라이브러리가 TU Darmstadt UKP Lab에서 Hugging Face로 이관되어 16,000개 모델과 월 100만 사용자 규모의 NLP 핵심 도구 안정화
Sentence Transformers is joining Hugging Face!
Sentence Transformers v5가 Sparse Embedding 모델 학습 기능을 추가하여 30,000+ 차원의 고차원 희소 벡터 기반 검색 시스템 구축 지원
Training and Finetuning Sparse Embedding Models with Sentence Transformers v5
Sentence Transformers v4가 Cross Encoder 기반 Reranker 모델의 새로운 학습 방식을 도입해 도메인 특화 미세조정으로 일반용 모델 13개를 모두 초과
Training and Finetuning Reranker Models with Sentence Transformers v4
Sentence Transformers 라이브러리를 활용한 정적 임베딩 모델 학습으로 CPU 추론 성능을 100~400배 향상
Train 400x faster Static Embedding Models with Sentence Transformers
Sentence Transformers v3.0이 SentenceTransformerTrainer를 도입해 새로운 학습 접근 방식으로 임베딩 모델 파인튜닝 프로세스 재구성
Training and Finetuning Embedding Models with Sentence Transformers v3
Kusupati et al.이 Matryoshka Representation Learning 방식으로 임베딩 모델을 학습시켜 원본 크기의 8.3%만 사용하면서 98.37% 성능 유지
🪆 Introduction to Matryoshka Embedding Models
Witty Works가 Sentence Transformers와 SetFit 도입으로 문맥 의존적 편향 단어 분류기 구축 시 학습 데이터를 100-200개에서 15-20개로 감소
How Hugging Face Accelerated Development of Witty Works Writing Assistant
Hugging Face가 Sentence Transformer 기반 SetFit 프레임워크를 개발해 8개 레이블 예제로 3,000개 풀셋 학습과 동등한 성능 달성
SetFit: Efficient Few-Shot Learning Without Prompts
Sentence Transformers 라이브러리를 통해 사전학습 Transformer 모델을 2단계 구조(Transformer → Pooling)로 변환해 BERT 대비 의미론적 검색 속도를 50밀리초에서 5초로 단축
Train and Fine-Tune Sentence Transformers Models
Sentence Transformers 라이브러리와 Gradio Blocks API를 결합해 텍스트 프롬프트 기반 음악 플레이리스트 생성 시스템 구축
Building a Playlist Generator with Sentence Transformers
Sentence Transformers 라이브러리를 활용해 텍스트를 벡터 임베딩으로 변환하고 코사인 유사도 함수로 의미론적 검색을 구현하는 첫 ML 프로젝트 시작 가이드
Liftoff! How to get started with your first ML project 🚀
Hugging Face Inference API와 Sentence Transformers를 활용해 사전학습된 임베딩 모델로 FAQ 검색 시스템을 구축하고 코사인 유사도로 가장 유사한 문서를 식별
Getting Started With Embeddings
Hugging Face Hub가 Sentence Transformers v2 통합으로 90개 이상의 사전학습 모델과 위젯, Inference API를 지원하면서 임베딩 모델 공유 및 배포의 진입장벽 제거
Sentence Transformers in the Hugging Face Hub