Youtu-Embedding 能够有效应对模型在不同领域表现不佳的现象。模型在通用语料上训练良好，但在法律、医疗等专业领域的应用效果却可能大打折扣。腾讯针对这一痛点，从零开始训练该模型，利用了高达3万亿 Token 的中英文语料，为模型的语言理解能力奠定了坚实基础。此外，腾讯还提供了丰富的人工标注数据，确保模型在真实业务场景中的适用性。

为了让模型更好地理解用户的真实意图，腾讯引入了大规模弱监督训练。通过这种训练方式，Youtu-Embedding 能够识别不同表述但相似意图的句子，进而在语义空间中建立准确的映射关系。比如，用户询问 “这款产品保修多久?” 和 “坏了可以免费修吗?” 两个问题，虽然表达方式不同，但都在问保修政策。

在多任务训练方面，腾讯设计了一套创新的微调框架，确保模型能够适应不同的任务需求。模型采用统一的数据格式和差异化的损失函数，能够有效提升文本相似度、检索和分类等任务的能力。同时，动态采样机制让模型在训练过程中合理分配精力，从而在各类任务中均衡发展。

Youtu-Embedding 已经在中文语义评测基准 CMTEB 上取得了77.46的高分，成为表现最优秀的中文语义模型之一。这款模型适用于多种应用场景，包括智能问答、内容推荐和知识管理等，特别是在构建检索增强生成系统（RAG）中显示出极大的潜力。

腾讯优图实验室持续致力于开源技术的发展，除了 Youtu-Embedding 之外，还推出了 Youtu-Agent 和 Youtu-GraphRAG 等项目，为开发者提供了更多的工具和资源，以促进 AI 应用的快速发展。

项目：https://github.com/TencentCloudADP/youtu-embedding