为什么重要
BEIR 是评测语义检索/嵌入模型泛化能力的标准基准。18 个数据集涵盖问答、事实核查、引用检索等多种检索场景，模型不能在目标域训练。
评测设计
统一评测框架，覆盖 MS MARCO, Natural Questions, FEVER, Climate-FEVER, NFCorpus 等 18 个数据集。
返回评测
数据 数据-检索 未饱和
模态 · 文本
任务 · 检索
BEIR
18 个数据集的零样本信息检索综合评测
TU Darmstadt ·
考察能力
零样本检索 语义搜索 跨领域泛化
构建信息
- 数据规模
- 18 个数据集
- 评测方式
- 标准评测
- 核心指标
- NDCG@10
资源链接
模型效果排行
🥇 BGE-Large-EN
56.7 avg NDCG@10
🥈 E5-Mistral
58.2 avg NDCG@10
信息检索 嵌入 零样本 评测套件