如何在训练数据里修复embedding相似度计算的badcase

训练阶段用
emb1 = model(input_text1)
emb2 = model(input_text2)

然后

cosine(emb1,emb2)

计算相似度的方式训练embedding，

现在推理阶段，有个input_text3和input_text4输入model，计算相似度不正确，我该如何在训练数据里修复这一个badcase，再重训模型？

其实embedding的badcase和修复文本分类问题的原理是一样的：

1，有针对性的训练样本，加入到你的训练数据中：("input_text3", "input_text4", label)

2，用input_text3和input_text4检索出训练数据中最相似的那批数据(left_text, right_text)，修正label