LLMEmb

让大模型嵌入更精准，提升检索与语义匹配效果

LLMEmb 是 AAAI 2025 Oral 论文的官方实现，专注于大语言模型的嵌入表示学习。它解决的核心问题是：如何让 LLM 生成的嵌入向量在语义相似度、检索和聚类等任务上表现更优。项目提供了完整的训练和评估代码，支持自定义模型和数据集，并内置多种基准测试。其核心能力包括高效的嵌入训练流程、对多种 LLM 架构的适配，以及可复现的论文实验结果。通过该框架，研究者可以快速验证和改进 LLM 的嵌入质量，推动检索增强生成（RAG）和语义搜索等应用的发展。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 53
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队liuqidong07
所属国家
官网地址
GitHubhttps://github.com/liuqidong07/LLMEmb
定价模式free
价格说明开源项目，MIT许可证，可自由使用，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型embeddings,large-language-models,llm,recommendation,recommender-system,sequential-models,sequential-recommendation
GitHub 星标★ 53
30天Star增速
HF 下载量
上线时间2024-09-27 00:00:00
最近更新2026-07-19 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 来自 AAAI 2025 Oral 论文，方法经过学术验证，可信度高
  • 官方代码，包含完整训练和评估流程，易于复现实验结果
  • 支持多种 LLM 架构，可灵活适配不同模型和下游任务

不足之处

  • 项目处于早期阶段，文档和社区支持待观察
  • 依赖特定实验环境，配置可能较复杂

适用场景

  • 学术研究中改进 LLM 嵌入表示
  • 构建语义搜索或检索增强生成系统
  • 对比不同嵌入方法的基准测试

替代项目

sentence-transformers、FlagEmbedding、text-embeddings-inference

项目介绍

LLMEmb 是模型训练领域的开源项目，由 liuqidong07 开发，2024 年首次发布。

它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 53。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-19。MIT许可证，可自由使用，无付费版本。

它主要面向的使用场景是：学术研究中改进LLM嵌入表示。同类可对比的替代方案包括 sentence-transformers、FlagEmbedding、text-embeddings-inference。

上一篇：AAAI2025_MIA-Tuner

下一篇：Confucius-tool-learning

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列，训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性，长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型，练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型，推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13