의미론적 임베딩 (semantic embeddings)은 Massive Text Embedding Benchmark를 통해 엄격하게 평가되는 반면, 스타일 임베딩 (style embeddings)의 평가는 각 연구가 자신들만의 작업(tasks)과 데이터셋에 의존함에 따라 파편화된 상태로 남아 있습니다. 이러한 격차를 해소하기 위해, 우리는 스타일 임베딩의 평가를 표준화하기 위해 설계된 포괄적인 오픈 소스 벤치마크인 Style Text Embedding Benchmark (STEB)를 소개합니다. STEB는 저자 확인 (authorship verification), 저자 검색 (authorship retrieval), AI 텍스트 탐지 (AI-text detection), 언어적 특징 조사 (probing of linguistic features) 등의 응용 분야를 아우르며, 7개 언어에 걸친 96개의 데이터셋을 포함합니다. 우리는 의미론적 임베딩이 스타일 관련 작업에서 지속적으로 실패하며, 평가된 모든 작업에 대해 보편적으로 우수한 스타일 임베딩은 존재하지 않는다는 것을 발견했습니다. 우리는 STEB 코드 베이스를 다음 위치에 오픈 소스로 공개합니다: https://github.com/rrivera1849/STEB.