/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
bge-reranker-v2-m3
Библиотека
sentence-transformers
Опубликована
30 апр 2025

Vietnamese_Reranker

Классификация текстаТекст → label4 профессии

Переранжировщик AITeamVN на основе BAAI/bge-reranker-v2-m3 оценивает релевантность документов вьетнамскому запросу и улучшает порядок результатов поиска.

73 088скачиваний за 30 дней7лайковвеса обновлены6 мая 2025

Бенчмарки

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

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

Vietnamese_Reranker — переранжировщик на основе Sentence Transformers, разработанный AITeamVN и дообученный на BAAI/bge-reranker-v2-m3. Он предназначен для повышения качества поиска на вьетнамском языке: модель оценивает релевантность документов запросу и помогает переставить найденные результаты в более полезном порядке. Для обучения использовано около 1,1 млн триплетов «запрос — релевантный документ — нерелевантный документ». Архитектура основана на XLM-RoBERTa и классификаторе последовательностей; модель содержит 658,7 млн параметров. В README указана максимальная длина последовательности 2304 токена, а метаданные каталога указывают контекст 8194 токена. Лицензия — Apache 2.0.

Модель рассчитана прежде всего на вьетнамский поиск и ранжирование, включая оценку результатов для юридических запросов. В README приведена оценка на датасете Legal Zalo 2021, который не использовался при обучении: Accuracy@1 — 0,7944, MRR@10 — 0,8672. Показатели на этом наборе не гарантируют аналогичного качества в других областях; ограничения длины из README следует учитывать при обработке длинных запросов и документов.

Сценарии применения

  • переранжирование результатов вьетнамского поискового запроса
  • оценка релевантности документов вьетнамскому запросу
  • улучшение выдачи системы RAG на вьетнамском языке
  • поиск юридических документов на вьетнамском языке

Ограничения

Модель ориентирована на вьетнамский язык; качество в других языках и предметных областях не установлено. README указывает максимальную длину последовательности 2304 токена, поэтому длинные запросы и документы могут потребовать обрезки.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card: Vietnamese_Reranker

Vietnamese_Reranker is an reranker model fine-tuned from the bge-reranker-v2-m3 model (https://huggingface.co/BAAI/bge-reranker-v2-m3) to enhance retrieval capabilities for Vietnamese.

  • The model was trained on approximately 1,100,000 triplets of queries, positive documents, and negative documents for Vietnamese.
  • The model was trained with a maximum sequence length of 2304 (256 for query and 2048 for passages).

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: BAAI/bge-reranker-v2-m3
  • Maximum Sequence Length: 2304 tokens (256 for query and 2048 for passages)
  • Output Dimensionality: 1024 dimensions
  • Similarity Function: Dot product Similarity
  • Language: Vietnamese
  • Licence: Apache 2.0

Usage

import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained('AITeamVN/Vietnamese_Reranker')
model = AutoModelForSequenceClassification.from_pretrained('AITeamVN/Vietnamese_Reranker')
model.eval()
MAX_LENGTH = 2304
pairs = [['Trí tuệ nhân tạo là gì?', '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.'],
         ['Trí tuệ nhân tạo là gì?', '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.']]
with torch.no_grad():
    inputs = tokenizer(pairs, padding=True, truncation=True, return_tensors='pt', max_length=MAX_LENGTH)
    scores = model(**inputs, return_dict=True).logits.view(-1, ).float()
    print(scores)

'''
# tensor([ 7.5590, -9.0743])
'''

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_Embedding0.72740.89920.93050.95680.8181
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 1,100,000 triplets.

Although the score on the legal domain drops a bit on Vietnamese_Embedding_v2 (Phase 2), since this phase data is much larger, it is good for other domains.

Contact

Email: nguyennhotrung3004@gmail.com

Developer

Member: Nguyễn Nho Trung, Nguyễn Nhật Quang, Nguyễn Văn Huy.

Citation

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

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForSequenceClassification
Ревизия весов
f536976

0 моделей