用途：训练或微调 sentence-transformers 模型，覆盖三类：SentenceTransformer（双编码器，用于检索、相似度、聚类、分类、去重）、CrossEncoder（重排序器，用于两阶段检索、成对分类）、SparseEncoder（SPLADE，学习式稀疏检索、倒排索引后端）。
主要能力：该 SKILL.md 是路由器，按模型类型指引加载 references/ 与 scripts/ 中的参考文档和示例脚本，涉及损失函数与数据形状匹配、评估器映射、模型架构与池化规则、训练参数、数据集格式、基座模型选择、硬件指南、HF Jobs 执行、提示词与指令，以及难负样本挖掘 CLI。支持 Matryoshka、多数据集、LoRA、蒸馏、多语言、静态嵌入等变体。
使用方式：先确定模型类型（不明确时询问），阅读对应类型的必读参考，复制 scripts/train_<type>_example.py 作为起点，替换 MODEL_NAME、DATASET_NAME、RUN_NAME、损失与评估器，先做 max_steps=1 冒烟测试再正式运行。前置：pip install "sentence-transformers[train]>=5.0"；可选 pip install trackio；推送需 hf auth login 或设置 HF_TOKEN（写权限）。强烈建议 GPU，CPU 仅适合演示与 StaticEmbedding。
限制与约定：不要仅凭该文件自行合成训练脚本，必须基于模板，否则易漏关键脚手架。脚本需满足固定契约：记录 baseline_eval、输出 VERDICT 行、静默指定日志库、日志 tee 到文件、结尾 push_to_hub 包 try/except、CrossEncoder 加 EarlyStoppingCallback、SparseEncoder 记录稀疏维度。缺失信息：本资料未提供具体代码内容、价格与效果数据。