腾讯优图开源Youtu-Embedding文本表示模型，20亿参数登顶CMTEB评测榜首

腾讯优图实验室于2025年10月14日正式开源Youtu-Embedding通用文本表示模型，该模型专为企业级场景设计，旨在提升自然语言处理任务中的语义理解与检索精度。作为参数量达20亿的高性能语义嵌入模型，其首个版本已通过HuggingFace平台向工业界和学术界开放，提供完整的模型权重、推理代码及训练框架。

技术层面，Youtu-Embedding采用三阶段递进式训练范式：首先基于大语言模型（LLM）进行预训练，随后通过弱监督对齐优化语义空间映射，最终结合协同-判别式微调提升任务适配性。这种设计有效实现了大模型知识向嵌入任务的迁移，显著增强模型的判别力与泛化能力。在权威中文文本嵌入评测CMTEB中，该模型以77.46的综合得分（截至2025年9月）位列榜首，验证了其在语义表征领域的领先性。

应用场景方面，该模型支持文本检索、意图识别、语义相似度计算等六大核心NLP任务，尤其适用于构建检索增强生成（RAG）系统。相较于传统依赖关键词匹配的检索技术，Youtu-Embedding通过将文本映射至高维向量空间，实现基于语义关联的精准匹配。例如，在客服场景中可准确识别”汽车保险”与”车辆保障”的语义等价性，显著提升智能问答系统的响应质量。

为保障多任务学习效果，研发团队构建了统一微调框架，引入动态单任务采样机制缓解负迁移问题，并融合大模型生成数据与难负例挖掘技术优化训练样本质量。目前该框架已适配多种主流编码器结构，展现出良好的扩展性。企业用户可通过腾讯AI开放平台获取相关技术文档与接口支持。