/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Архитектура
xlm-roberta · dense
Базовая модель
multilingual-e5-large
Библиотека
sentence-transformers
Опубликована
17 июн 2026

CODE_VERONICA

ЭмбеддингиТекст → embedding5 профессий

Дообученная многоязычная модель эмбеддингов для семантического поиска по тексту, включая поиск фрагментов кода по русским запросам.

104скачиваний за 30 дней0лайковвеса обновлены17 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CODE_VERONICA — дообученная модель Sentence Transformer на базе intfloat/multilingual-e5-large, представленная автором репозитория CODE_VERONICA. Она кодирует предложения и абзацы на русском и английском языках в плотные текстовые векторы размерности 1024 для семантического поиска и извлечения релевантных фрагментов. Архитектура включает XLM-RoBERTa, усредняющий pooling и нормализацию векторов; сходство можно оценивать косинусной мерой. Максимальная длина входа — 512 токенов.

Модель обучена на 778 парах предложений с использованием MultipleNegativesRankingLoss. Примеры связывают русские формулировки, включая сленг и текст в неверной раскладке, с англоязычными фрагментами кода, поэтому она может быть полезна для поиска кода по русским запросам и сопоставления таких запросов с описаниями или фрагментами кода. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск фрагментов кода по русскоязычному описанию
  • сопоставление русских запросов с англоязычными фрагментами кода
  • извлечение релевантных документов по смыслу
  • сравнение семантической близости предложений и абзацев

Ограничения

Контекст ограничен 512 токенами, а обучение проводилось на небольшом наборе из 778 пар предложений, поэтому качество на иных типах запросов и текстов может быть ограничено. Лицензия не указана в предоставленных данных.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SentenceTransformer based on intfloat/multilingual-e5-large

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-large. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: intfloat/multilingual-e5-large
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 1024 dimensions
  • Similarity Function: Cosine Similarity
  • Supported Modality: Text

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'XLMRobertaModel'})
  (1): Pooling({'embedding_dimension': 1024, 'pooling_mode': 'mean', 'include_prompt': True})
  (2): Normalize({})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    'how to block brute force spam ip redis incr limit requests 429 status',
    '@router.get("/secure-data")\nasync def check_rate_limit(request: Request, redis: Redis = Depends(get_redis)):\n    user_ip = request.client.host\n    current_requests = await redis.incr(f"rate:{user_ip}")\n    if current_requests == 1:\n        await redis.expire(f"rate:{user_ip}", 60)\n    if current_requests > 100:\n        raise HTTPException(status_code=429, detail="Too Many Requests, chill out")\n    return {"status": "allowed"}',
    'from sqlalchemy import func\nfrom sqlalchemy.future import select\n\nasync def get_popular_levels(db: AsyncSession):\n    query = select(Exercise.level_id, func.count(Exercise.id).label("total")).\\\n        group_by(Exercise.level_id).\\\n        having(func.count(Exercise.id) > 5)\n    result = await db.execute(query)\n    return result.all()',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.6852, 0.0669],
#         [0.6852, 1.0000, 0.1723],
#         [0.0669, 0.1723, 1.0000]])

Training Details

Training Dataset

Unnamed Dataset

  • Size: 778 training samples
  • Columns: sentence_0 and sentence_1
  • Approximate statistics based on the first 100 samples:
    sentence_0sentence_1
    typestringstring
    modalitytexttext
    detailsmin: 10 tokensmean: 23.42 tokensmax: 47 tokensmin: 12 tokensmean: 81.39 tokensmax: 155 tokens
  • Samples:
    sentence_0sentence_1
    Сленг 'мидлварь', 'пятисотых ошибок' (500 Internal Server Error), 'краша'@app.middleware("http")async def catch_exceptions_middleware(request: Request, call_next): try: return await call_next(request) except Exception as exc: logger.error(f"Global crash intercepted: {exc}", exc_info=True) return JSONResponse(status_code=500, content={"detail": "Internal Server Error, logs saved"})
    Полноценный английский поисковый паттерн для ограничения частоты запросов@router.get("/secure-data")async def check_rate_limit(request: Request, redis: Redis = Depends(get_redis)): user_ip = request.client.host current_requests = await redis.incr(f"rate:{user_ip}") if current_requests == 1: await redis.expire(f"rate:{user_ip}", 60) if current_requests > 100: raise HTTPException(status_code=429, detail="Too Many Requests, chill out") return {"status": "allowed"}
    bcbynfyc ghjdthrf nbgf rjkktrwbb lbyfdef process_raw_payload(data: Any) -> dict: if not isinstance(data, (dict, list)): raise TypeError("Expected dict or list payload") return data if isinstance(data, dict) else {"items": data}
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim",
        "gather_across_devices": false,
        "directions": [
            "query_to_doc"
        ],
        "partition_mode": "joint",
        "hardness_mode": null,
        "hardness_strength": 0.0
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • per_device_train_batch_size: 16
  • per_device_eval_batch_size: 16
  • multi_dataset_batch_sampler: round_robin

All Hyperparameters

  • per_device_train_batch_size: 16
  • num_train_epochs: 3
  • max_steps: -1
  • learning_rate: 5e-05
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: None
  • warmup_steps: 0
  • optim: adamw_torch_fused
  • optim_args: None
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • optim_target_modules: None
  • gradient_accumulation_steps: 1
  • average_tokens_across_devices: True
  • max_grad_norm: 1
  • label_smoothing_factor: 0.0
  • bf16: False
  • fp16: False
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • use_liger_kernel: False
  • liger_kernel_config: None
  • use_cache: False
  • neftune_noise_alpha: None
  • torch_empty_cache_steps: None
  • auto_find_batch_size: False
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • include_num_input_tokens_seen: no
  • log_level: passive
  • log_level_replica: warning
  • disable_tqdm: False
  • project: huggingface
  • trackio_space_id: None
  • trackio_bucket_id: None
  • trackio_static_space_id: None
  • per_device_eval_batch_size: 16
  • prediction_loss_only: True
  • eval_on_start: False
  • eval_do_concat_batches: True
  • eval_use_gather_object: False
  • eval_accumulation_steps: None
  • include_for_metrics: []
  • batch_eval_metrics: False
  • save_only_model: False
  • save_on_each_node: False
  • enable_jit_checkpoint: False
  • push_to_hub: False
  • hub_private_repo: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_always_push: False
  • hub_revision: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • restore_callback_states_from_checkpoint: False
  • full_determinism: False
  • seed: 42
  • data_seed: None
  • use_cpu: False
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • parallelism_config: None
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • dataloader_prefetch_factor: None
  • remove_unused_columns: True
  • label_names: None
  • train_sampling_strategy: random
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • ddp_static_graph: None
  • ddp_backend: None
  • ddp_timeout: 1800
  • fsdp: None
  • fsdp_config: None
  • deepspeed: None
  • debug: []
  • skip_memory_metrics: True
  • do_predict: False
  • resume_from_checkpoint: None
  • warmup_ratio: None
  • local_rank: -1
  • prompts: None
  • batch_sampler: batch_sampler
  • multi_dataset_batch_sampler: round_robin
  • router_mapping: {}
  • learning_rate_mapping: {}

Training Time

  • Training: 7.9 minutes

Framework Versions

  • Python: 3.12.13
  • Sentence Transformers: 5.5.1
  • Transformers: 5.10.2
  • PyTorch: 2.11.0+cu128
  • Accelerate: 1.13.0
  • Datasets: 4.0.0
  • Tokenizers: 0.22.2

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss

@misc{oord2019representationlearningcontrastivepredictive,
      title={Representation Learning with Contrastive Predictive Coding},
      author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
      year={2019},
      eprint={1807.03748},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/1807.03748},
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaModel
Ревизия весов
48d78b2

0 моделей