Upload README.md with huggingface_hub

README.md

@@ -13,10 +13,12 @@ tags:
 library_name: sentence-transformers
 ---
 
-# BGE-Meteo-zh-v4
+# BGE-Meteo-zh-v2
 
 面向**中文气象领域 RAG 检索**的领域自适应嵌入模型，基于 [BAAI/bge-large-zh-v1.5](https://huggingface.co/BAAI/bge-large-zh-v1.5) 微调。
 
+**版本关系**：[nmcsitian/bge-meteo-zh](https://huggingface.co/nmcsitian/bge-meteo-zh)（未标版本号）为 v1；本仓库为 **v2 全量重训版**——训练语料 53→58 本、训练/评测划分全部重做（嵌套设计、ISBN 级零泄漏审计）、评测体系升级为 6 域留一交叉验证。v2 检索行为与 v1 有实质差异，建议在自有场景重新评测后切换。
+
 ## 训练配方
 
 - 框架：FlagEmbedding，InfoNCE 对比学习（温度 τ=0.02）
@@ -34,7 +36,7 @@ library_name: sentence-transformers
 ```python
 from sentence_transformers import SentenceTransformer
 
-model = SentenceTransformer("nmcsitian/bge-meteo-zh-v4")
+model = SentenceTransformer("nmcsitian/bge-meteo-zh-v2")
 PREFIX = "为这个句子生成表示以用于检索相关文章："
 
 q_emb = model.encode([PREFIX + "副热带高压对华南降水有什么影响？"], normalize_embeddings=True)
@@ -54,14 +56,19 @@ score = (q_emb @ d_emb.T)
 
 ## 适用边界（请务必阅读）
 
-- 微调收益随**领域距离衰减**：在气象邻近领域（区域预报、行业气象服务等）大幅优于基座；在更远领域（如新能源电力预测、金融保险文本）单路向量可能**低于基座**（负迁移，我们在 2 本远域书上实测融合口径 Δ=−0.0845，95% CI 不含 0）
-- 生产环境建议与 BM25 做加权 RRF 融合部署：融合可完全拉平远域/外部分布上的向量端劣势（外部基准 615 条实测融合后与基座差异归零）
+- 微调收益随**领域距离衰减**：在气象邻近领域（区域预报、行业气象服务等）大幅优于基座；在更远领域（如新能源电力预测、金融保险文本）单路向量可能**低于基座**（负迁移）
+- 生产环境建议与 BM25 做加权 RRF 融合部署：融合可有效对冲远域/外部分布上的向量端劣势
 - 通用（非气象）检索任务请直接使用基座模型
 
-## 消融模型
-
-论文消融研究的 8 个对照模型（3 训练语料配置 × 3 随机种子，嵌套训练集设计）见 [nmcsitian/bge-meteo-zh-v4-ablations](https://huggingface.co/nmcsitian/bge-meteo-zh-v4-ablations)。
-
 ## 引用
 
-配套论文投稿中（《计算机工程与应用》在审）。正式发表前请引用本仓库链接。
+如在研究或产品中使用本模型，请引用本仓库：
+
+```
+@misc{bge-meteo-zh-v2,
+  title  = {BGE-Meteo-zh-v2: Domain-Adaptive Chinese Meteorological Embedding},
+  author = {nmcsitian},
+  year   = {2026},
+  url    = {https://huggingface.co/nmcsitian/bge-meteo-zh-v2}
+}
+```