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
924a434
·
verified ·
1 Parent(s): 7ba1832

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +4 -4
README.md CHANGED
@@ -21,13 +21,13 @@ base_model:
21
  | **主要发明人** | 焦英浩 等 |
22
  ---
23
 
 
 
 
24
  ### 核心特性 (Key Features)
25
  * **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。
26
  * **投影层设计 (Projection Layer)**: 本质上是一种精巧的辅助微调方法。通过在微调阶段增加特定的投影参数进行协同训练，在不破坏基座模型通用能力的前提下，大幅提高编码质量。
27
- * **全场景覆盖**: 完美适配 **检索 (Retrieval)**、**RAG (检索增强生成)** 以及 **智能体 (Agent)** 等多种下游任务。
28
-
29
- ### 更新日志 (Release Notes)
30
- * **2025/03/28**: 发布 **CRE v0.5.0** 初始版本及技术报告。
31
 
32
  ![CRE-0.5 introduction](photos/cre_0_5_introduction.jpg)
33
 
 
21
  | **主要发明人** | 焦英浩 等 |
22
  ---
23
 
24
+ ### 更新日志 (Release Notes)
25
+ * **2025/03/28**: 发布 **CRE v0.5.0** 初始版本及技术报告。
26
+ *
27
  ### 核心特性 (Key Features)
28
  * **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。
29
  * **投影层设计 (Projection Layer)**: 本质上是一种精巧的辅助微调方法。通过在微调阶段增加特定的投影参数进行协同训练，在不破坏基座模型通用能力的前提下，大幅提高编码质量。
30
+ * **全场景覆盖**: 适配 **检索 (Retrieval)**、**RAG (检索增强生成)** 以及 **智能体 (Agent)** 等多种下游任务。
 
 
 
31
 
32
  ![CRE-0.5 introduction](photos/cre_0_5_introduction.jpg)
33