@maximelabonne：像2020年那样训练编码器！
摘要
Liquid AI 对其 LFM2.5-Encoder 模型（230M 和 350M）进行了微调，使其能够在单次前向传播中执行多标签分类，无需解码循环或解析。这展示了在 NLP 任务中进行高效标签评分的潜力。
查看缓存全文
缓存时间: 2026/07/30 03:49
今天训练编码器，就像回到2020年！
Liquid AI (@liquidai): 多标签分类。一次前向传播。零补全令牌。
我们对 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M 进行了微调，使其能够一次性对所有标签进行评分：无需解码循环，无需解析或修复。作为全新编码器演示系列的首个作品，快来一睹为快。
查看
相似文章
@maximelabonne: 我们刚刚发布了两个新的编码器模型（MLM）在2026年。它们非常快，易于训练，并且多语言能力强。试试…
Liquid AI发布了两个新的编码器模型，LFM2.5-Encoder-230M和LFM2.5-Encoder-350M。这些模型快速、易于训练且多语言能力强。速度基准测试显示，与ModernBERT-base相比，CPU性能提升了3.7倍以上。
@vivmarquez: 并非所有AI问题都是生成问题。对于路由、分类、检索、策略检查以及类似任务，…
Liquid AI 发布了 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M，这些双向编码器针对分类和检索等非生成任务进行了优化，在长上下文中提供快速的CPU推理。
LFM2.5-编码器：用于CPU上快速长上下文推理
Liquid AI发布LFM2.5-编码器（230M和350M），这是为CPU上长上下文推理优化的高效编码器模型，在基准测试中匹配或超越更大编码器，相比ModernBERT-base实现3.7倍加速。
LiquidAI/LFM2.5-Encoder-350M
Liquid AI releases LFM2.5-Encoder-350M, a multilingual bidirectional encoder built on the LFM2 architecture, offering strong quality for its size, 8k context, and efficient on-device performance across 15 languages.
LiquidAI/LFM2.5-Embedding-350M
Liquid AI 发布了 LFM2.5-Embedding-350M，这是一种密集双编码器，用于多语言检索，支持11种语言，可作为 RAG 流水线的直接替代方案。