Update README.md

README.md

@@ -13,7 +13,7 @@ library_name: sentence-transformers
 
 M3E 是 Moka Massive Mixed Embedding 的缩写
 
-- Moka，此模型由 MokaAI 训练并开源，训练脚本使用 [uniem](https://github.com/wangyuxinwhy/uniem/blob/main/scripts/train_m3e.py)
+- Moka，此模型由 MokaAI 训练，开源和评测，训练脚本使用 [uniem](https://github.com/wangyuxinwhy/uniem/blob/main/scripts/train_m3e.py) ，评测 BenchMark 使用 [MTEB-zh](https://github.com/wangyuxinwhy/uniem/tree/main/mteb-zh)
 - Massive，此模型通过**千万级** (2200w+) 的中文句对数据集进行训练
 - Mixed，此模型支持中英双语的同质文本相似度计算，异质文本检索等功能，未来还会支持代码检索
 - Embedding，此模型是文本嵌入模型，可以将自然语言转换成稠密的向量
@@ -29,14 +29,14 @@ M3E 是 Moka Massive Mixed Embedding 的缩写
 | --------- | -------- | -------- | -------- | -------- | -------- | -------- | -------- | ---- | ---------- | ------------ | -------- |
 | m3e-small | 24M      | 512      | 是       | 否       | 是       | 否       | 否       | 是   | 优         | 0.5834       | 0.7262   |
 | m3e-base  | 110M     | 768      | 是       | 是       | 是       | 是       | 否       | 是   | 优         | **0.6157**       | **0.8004**   |
-| text2vec  | 110M     | 768      | 是       | 否       | 是       | 否       | 否       | 是   | 良         | 0.5755       | 0.6346   |
+| text2vec  | 110M     | 768      | 是       | 否       | 是       | 否       | 否       | 是   | 优         | 0.5755       | 0.6346   |
 | openai-ada-002    | 未知     | 1536     | 是       | 是       | 是       | 是       | 是       | 否   | 优         | 0.5956       | 0.7786   |
 
 说明：
 - s2s, 即 sentence to sentence ，代表了同质文本之间的嵌入能力，适用任务：文本相似度，重复问题检测，文本分类等
 - s2p, 即 sentence to passage ，代表了异质文本之间的嵌入能力，适用任务：文本检索，GPT 记忆模块等
 - s2c, 即 sentence to code ，代表了自然语言和程序语言之间的嵌入能力，适用任务：代码检索
-- 兼容性，代表了模型在开源社区中各种项目被支持的程度，由于 m3e 是基于 sentence-transformers 的，所以和 openai 在社区的支持度上相当
+- 兼容性，代表了模型在开源社区中各种项目被支持的程度，由于 m3e 和 text2vec 都可以直接通过 sentence-transformers 直接使用，所以和 openai 在社区的支持度上相当
 - ACC & ndcg@10，详情见下方的评测
 
 Tips: