/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
bge-m3
Библиотека
sentence-transformers
Опубликована
17 мар 2025

Vietnamese_Embedding

ЭмбеддингиТекст → embedding7 профессий

Модель эмбеддингов на базе BGE-M3 для семантического поиска и извлечения документов на вьетнамском языке.

21 665скачиваний за 30 дней70лайковвеса обновлены25 авг 2025

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 оценки49

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

  • ArguAna-VN

    main_score

    Результат

    0,3793

    MTEB

    Публичная таблицадругая ревизия

  • MTOPDomainVNClassification

    main_score

    Результат

    0,8553

    MTEB

    Публичная таблицадругая ревизия

  • NQ-VN

    main_score

    Результат

    0,4261

    MTEB

    Публичная таблицадругая ревизия

  • AmazonReviewsVNClassification

    main_score

    Результат

    0,4448

    MTEB

    Публичная таблицадругая ревизия

  • RedditClustering-VN

    main_score

    Результат

    0,4389

    MTEB

    Публичная таблицадругая ревизия

  • FiQA2018-VN

    main_score

    Результат

    0,2994

    MTEB

    Публичная таблицадругая ревизия

  • GreenNodeTableMarkdownRetrieval

    main_score

    Результат

    0,3972

    MTEB

    Публичная таблицадругая ревизия

  • FEVER-VN

    main_score

    Результат

    0,4881

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackTex-VN

    main_score

    Результат

    0,2478

    MTEB

    Публичная таблицадругая ревизия

  • TwitterURLCorpus-VN

    main_score

    Результат

    0,8499

    MTEB

    Публичная таблицадругая ревизия

  • Banking77VNClassification

    main_score

    Результат

    0,7921

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackAndroid-VN

    main_score

    Результат

    0,4193

    MTEB

    Публичная таблицадругая ревизия

  • EmotionVNClassification

    main_score

    Результат

    0,4438

    MTEB

    Публичная таблицадругая ревизия

  • AskUbuntuDupQuestions-VN

    main_score

    Результат

    0,6187

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackGis-VN

    main_score

    Результат

    0,3191

    MTEB

    Публичная таблицадругая ревизия

  • TwitterSemEval2015-VN

    main_score

    Результат

    0,6824

    MTEB

    Публичная таблицадругая ревизия

  • MassiveScenarioVNClassification

    main_score

    Результат

    0,7285

    MTEB

    Публичная таблицадругая ревизия

  • BIOSSES-VN

    main_score

    Результат

    0,7814

    MTEB

    Публичная таблицадругая ревизия

  • VieQuADRetrieval

    main_score

    Результат

    0,5564

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackPhysics-VN

    main_score

    Результат

    0,3552

    MTEB

    Публичная таблицадругая ревизия

  • SICK-R-VN

    main_score

    Результат

    0,7711

    MTEB

    Публичная таблицадругая ревизия

  • RedditClusteringP2P-VN

    main_score

    Результат

    0,5616

    MTEB

    Публичная таблицадругая ревизия

  • STSBenchmark-VN

    main_score

    Результат

    0,7719

    MTEB

    Публичная таблицадругая ревизия

  • ImdbVNClassification

    main_score

    Результат

    0,8306

    MTEB

    Публичная таблицадругая ревизия

  • MTOPIntentVNClassification

    main_score

    Результат

    0,5801

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackWebmasters-VN

    main_score

    Результат

    0,3167

    MTEB

    Публичная таблицадругая ревизия

  • TwentyNewsgroupsClustering-VN

    main_score

    Результат

    0,3933

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackMathematica-VN

    main_score

    Результат

    0,2144

    MTEB

    Публичная таблицадругая ревизия

  • ToxicConversationsVNClassification

    main_score

    Результат

    0,6667

    MTEB

    Публичная таблицадругая ревизия

  • StackExchangeClusteringP2P-VN

    main_score

    Результат

    0,3163

    MTEB

    Публичная таблицадругая ревизия

  • Quora-VN

    main_score

    Результат

    0,61

    MTEB

    Публичная таблицадругая ревизия

  • SciFact-VN

    main_score

    Результат

    0,5512

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackStats-VN

    main_score

    Результат

    0,2686

    MTEB

    Публичная таблицадругая ревизия

  • SprintDuplicateQuestions-VN

    main_score

    Результат

    0,9528

    Общий результат 0,9608
    MTEB

    Публичная таблицадругая ревизия

  • Touche2020-VN

    main_score

    Результат

    0,1198

    MTEB

    Публичная таблицадругая ревизия

  • StackOverflowDupQuestions-VN

    main_score

    Результат

    0,503

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackProgrammers-VN

    main_score

    Результат

    0,3271

    MTEB

    Публичная таблицадругая ревизия

  • MSMARCO-VN

    main_score

    Результат

    0,305

    MTEB

    Публичная таблицадругая ревизия

  • MassiveIntentVNClassification

    main_score

    Результат

    0,6774

    MTEB

    Публичная таблицадругая ревизия

  • TweetSentimentExtractionVNClassification

    main_score

    Результат

    0,5576

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackUnix-VN

    main_score

    Результат

    0,3452

    MTEB

    Публичная таблицадругая ревизия

  • SciDocsRR-VN

    main_score

    Результат

    0,8

    MTEB

    Публичная таблицадругая ревизия

  • HotpotQA-VN

    main_score

    Результат

    0,7007

    MTEB

    Публичная таблицадругая ревизия

  • NFCorpus-VN

    main_score

    Результат

    0,2539

    MTEB

    Публичная таблицадругая ревизия

  • SCIDOCS-VN

    main_score

    Результат

    0,1303

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackWordpress-VN

    main_score

    Результат

    0,2474

    MTEB

    Публичная таблицадругая ревизия

  • ClimateFEVER-VN

    main_score

    Результат

    0,1325

    MTEB

    Публичная таблицадругая ревизия

  • TRECCOVID-VN

    main_score

    Результат

    0,2732

    MTEB

    Публичная таблицадругая ревизия

  • AmazonPolarityVNClassification

    main_score

    Результат

    0,8878

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Vietnamese_Embedding — модель эмбеддингов на базе Sentence Transformers, разработанная AITeamVN и дообученная от BAAI/bge-m3 для улучшения поиска по вьетнамским текстам. Она принимает текст и выдаёт вектор размерности 1024; для сравнения векторов предусмотрена метрика dot product. Модель обучалась на примерно 300 тысячах триплетов запросов, положительных и отрицательных документов, а максимальная длина последовательности в карточке указана как 2048 токенов.

Модель предназначена для семантического поиска и извлечения релевантных документов по вьетнамским запросам; автор приводит оценку на Legal Zalo 2021. В метаданных указаны архитектура XLM-RoBERTa, контекст до 8194 токенов, библиотека sentence-transformers и форматы ONNX и safetensors. Лицензия — Apache 2.0. В README приведена более короткая максимальная длина последовательности, чем контекст в метаданных; качество поиска на других наборах данных отдельно не подтверждено.

Сценарии применения

  • семантический поиск по вьетнамским документам
  • подбор документов по вьетнамскому запросу
  • поиск релевантных материалов в юридических корпусах
  • построение векторного индекса вьетнамских текстов

Ограничения

README указывает максимальную длину последовательности 2048 токенов, тогда как метаданные каталога указывают контекст 8194 токена. Результаты приведены для Legal Zalo 2021; качество на других корпусах не установлено.

Для каких профессий подходит7

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

Model Card: Vietnamese_Embedding

Vietnamese_Embedding is an embedding model fine-tuned from the BGE-M3 model (https://huggingface.co/BAAI/bge-m3) to enhance retrieval capabilities for Vietnamese.

  • The model was trained on approximately 300,000 triplets of queries, positive documents, and negative documents for Vietnamese.
  • The model was trained with a maximum sequence length of 2048.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: BAAI/bge-m3
  • Maximum Sequence Length: 2048 tokens
  • Output Dimensionality: 1024 dimensions
  • Similarity Function: Dot product Similarity
  • Language: Vietnamese
  • Licence: Apache 2.0

Usage

from sentence_transformers import SentenceTransformer
import torch

model = SentenceTransformer("AITeamVN/Vietnamese_Embedding")
model.max_seq_length = 2048
sentences_1 = ["Trí tuệ nhân tạo là gì", "Lợi ích của giấc ngủ"]
sentences_2 = ["Trí tuệ nhân tạo là công nghệ giúp máy móc suy nghĩ và học hỏi như con người. Nó hoạt động bằng cách thu thập dữ liệu, nhận diện mẫu và đưa ra quyết định.", 
               "Giấc ngủ giúp cơ thể và não bộ nghỉ ngơi, hồi phục năng lượng và cải thiện trí nhớ. Ngủ đủ giấc giúp tinh thần tỉnh táo và làm việc hiệu quả hơn."]
query_embedding = model.encode(sentences_1)
doc_embeddings = model.encode(sentences_2)
similarity = query_embedding @ doc_embeddings.T
print(similarity)

'''
array([[0.66212064, 0.33066642],
       [0.25866613, 0.5865289 ]], dtype=float32)
'''

Evaluation:

  • Dataset: Entire training dataset of Legal Zalo 2021. Our model was not trained on this dataset.
ModelAccuracy@1Accuracy@3Accuracy@5Accuracy@10MRR@10
Vietnamese_Reranker0.79440.93240.95370.97400.8672
Vietnamese_Embedding_v20.72620.89270.92680.95780.8149
Vietnamese_Embedding (public)0.72740.89920.93050.95680.8181
Vietnamese-bi-encoder (BKAI)0.71090.86800.90140.92990.7951
BGE-M30.56820.77280.83820.89210.6822

Vietnamese_Reranker and Vietnamese_Embedding_v2 was trained on 1100000 triplets.

Although the score on the legal domain drops a bit on Vietnamese_Embedding_v2, since this phase data is much larger, it is very good for other domains.

You can access 2 model via link: Vietnamese_Embedding_v2, Vietnamese_Reranker

You can reproduce the evaluation result by running code python evaluation_model.py (data downloaded from Kaggle).

Contact

Email: nguyennhotrung3004@gmail.com

Developer

Member: Nguyễn Nho Trung, Nguyễn Nhật Quang, Nguyen Van Huy

Citation

@misc{Vietnamese_Embedding,
  title={Vietnamese_Embedding: Embedding model in Vietnamese language.},
  author={Nguyen Nho Trung, Nguyen Nhat Quang, Nguyen Van Huy},
  year={2025},
  publisher={Huggingface},
} 

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
dea33aa

0 моделей