Hugging Face's logo

JayThinkDiff
/
CRE-0.5

Sentence Similarity
sentence-transformers
Safetensors
Transformers
ONNX
bert
feature-extraction
text-embeddings-inference
Model card Files
xet
 Community
1
Jay-v2 commited on
Commit
56d1d41
·
verified ·
1 Parent(s): 8c07f4b

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +6 -7
README.md CHANGED
@@ -12,7 +12,7 @@ base_model:
12
 
13
  # CRE: CareerInternational Recruitment Embedding Model 🚀
14
 
15
- > **CRE** 是一款专为人力资源场景打造的嵌入模型。通过引入局部特征感知（Local Feature-aware）的归纳偏好，显著提升了简历与职位描述（JD）的语义对齐精度。
16
 
17
  ---
18
 
@@ -28,8 +28,7 @@ base_model:
28
  ---
29
 
30
  ### 更新日志 (Release Notes)
31
- * **2026/05/09**: 发布 **CRE v1.1**，优化长文本特征提取与推理性能。
32
- * **2025/03/28**: 发布 **CRE v0.5.0** 初始版本及技术报告。
33
 
34
  ### 核心特性 (Key Features)
35
  * **局部特征提取 (Local Feature-aware)**: 借助 **CNN** 结构引入归纳偏好，使模型在文本编码过程中对人力资源场景下的“技能词”、“职级”等局部核心特征更为敏锐。
@@ -54,10 +53,10 @@ passage_embedding = model.encode([
54
  print("查询结果:", util.cos_sim(query_embedding, passage_embedding))
55
  ```
56
  ### 📊 预期结果对比 (Expected Output Comparison)
57
- | 模型名称 (Model) | 相似度 1 (与简历 1) | 相似度 2 (与简历 2) |
58
- | :--- | :---: | :---: |
59
- | **CRE-0.5** | 0.6854 | **0.6886** |
60
- | **bge-large-zh-v1.5** | **0.7563** | 0.7551 |
61
 
62
  <small>
63
  <strong>注意事项：</strong>
 
12
 
13
  # CRE: CareerInternational Recruitment Embedding Model 🚀
14
 
15
+ > **CRE-0.5** 是一款专为人力资源场景打造的嵌入模型。通过引入局部特征感知（Local Feature-aware）的归纳偏好，显著提升了简历与职位描述（JD）的语义对齐精度。
16
 
17
  ---
18
 
 
28
  ---
29
 
30
  ### 更新日志 (Release Notes)
31
+ * **2025/03/28**: 发布 **CRE-0.5** 初始版本及技术报告。
 
32
 
33
  ### 核心特性 (Key Features)
34
  * **局部特征提取 (Local Feature-aware)**: 借助 **CNN** 结构引入归纳偏好，使模型在文本编码过程中对人力资源场景下的“技能词”、“职级”等局部核心特征更为敏锐。
 
53
  print("查询结果:", util.cos_sim(query_embedding, passage_embedding))
54
  ```
55
  ### 📊 预期结果对比 (Expected Output Comparison)
56
+ | 模型名称 (Model) | 相似度 1 (与简历 1) | 相似度 2 (与简历 2) |
57
+ | :--- | :---: | :---: |
58
+ | **CRE-0.5** | 0.6854 | **0.6886** |
59
+ | **bge-large-zh-v1.5** | **0.7563** | 0.7551 |
60
 
61
  <small>
62
  <strong>注意事项：</strong>