Update README.md

README.md

@@ -59,6 +59,24 @@ print("查询结果:", util.cos_sim(query_embedding, passage_embedding))
 | **CRE-1.1**            | 0.5816            | **0.6093**        |
 | **Qwen3-Embedding-8B** | **0.7731**        | 0.7638            |
 
+### 🌐 跨领域招聘场景评测 (Cross-Domain Evaluation)
+
+为了验证模型在不同垂直行业的泛化能力，我们在**技术岗（Technical）**与**职能岗（Functional）**两个极具代表性的招聘领域进行了对比测试。结果显示，**CRE-1.1** 在指令微调的加持下，不仅全面超越了传统 Embedding 模型，相比原始基座模型也有质的突破。
+
+| 模型 (Model)        | 技术岗 (Technical Domain) | 职能岗 (Functional Domain) |
+| :---               | :---:                     | :---:                    |
+| BGE                | 34.05                     | 58.18                    |
+| CRE-0.4            | 42.88                     | 63.70                    |
+| Conan-embedding-v1 | 43.37                     | 54.69                    |
+| CRE-0.5            | 45.44                     | 64.14                    |
+| Qwen3-Embedding-8B | 58.96                     | 66.25                    |
+| **CRE-1.1**        | **64.44**                 | **69.29**                |
+
+> **核心结论 (Key Insights)**：
+> 1. **指令微调的威力**：相比于基座模型 `Qwen3-Embedding-8B`，**CRE-1.1** 通过特定领域的指令增强，在算法领域得分提升了 **5.48**，金融领域提升了 **3.04**。
+> 2. **压制级优势**：相比行业标杆 `BGE`，**CRE-1.1** 在算法领域的表现近乎**翻倍**（34.05 -> 64.44），充分证明了其在处理复杂专业术语对齐时的卓越性能。
+> 3. **领域泛化**：即便是泛化在职能岗领域，CRE-1.1 依然达到了 **69.29** 的高分，展现了极强的跨行业迁移能力。
+
 ### 🛠️ 技术规格 (Technical Specifications)
 
 * **Pooling Strategy**: 推荐使用模型默认的表征方式（last token pooling）。