/ Модель

Характеристики

Контекст
8 192 токена
Параметры
305 млн
Лицензия
Apache 2.0
Архитектура
new · dense
Базовая модель
gte-multilingual-reranker-base
Библиотека
sentence-transformers
Опубликована
27 апр 2026

Mizan-Rerank-V2

Ранжирование текстаТекст → score6 профессий

Арабско-английский Cross-Encoder для сортировки документов и фрагментов по релевантности поисковому запросу в поиске и RAG.

2 086скачиваний за 30 дней0лайковвеса обновлены10 окт 2026

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

Mizan-Rerank-v2 — разработанный ALJIACHI арабский реранкер на базе Alibaba-NLP/gte-multilingual-reranker-base, дообученный для оценки релевантности пар «запрос — документ». Модель предназначена для повторной сортировки кандидатов в поиске и RAG, включая поиск по фетвам и длинным текстам. Использует архитектуру Cross-Encoder с 305,3 млн параметров и принимает последовательности длиной до 8192 токенов. В карточке указана поддержка арабского и английского языков.

Модель помечена как устаревшая: разработчик рекомендует перейти на Mizan-Rerank-v3-Turbo или Mizan-Rerank-v3, которые показывают лучшие результаты на приведённых контрольных наборах. Для работы через Sentence Transformers требуется trust_remote_code=True; оценки разных версий не калиброваны между собой, поэтому при переходе следует перенастроить пороги фильтрации. Лицензия — Apache 2.0.

Сценарии применения

  • повторная сортировка результатов арабского поиска
  • ранжирование фрагментов документов для арабского RAG
  • поиск релевантных ответов на вопросы по фетвам
  • оценка релевантности длинных документов запросу

Ограничения

Модель устарела, и разработчик рекомендует заменить её на Mizan-Rerank-v3-Turbo или Mizan-Rerank-v3. При миграции оценки версий нельзя напрямую сравнивать, поэтому пороги по абсолютному score требуют перенастройки; для Sentence Transformers необходим trust_remote_code=True.

Для каких профессий подходит6

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

Mizan-Rerank-v2 — deprecated

Deprecated Replacement Mizan-Rerank-v3 Demo

This model is deprecated. Use the current Mizan reranker family instead.

Mizan-Rerank-v3-Turbo is the best replacement for v2: same family, same interface, but half the size (150M vs 305M), about twice the throughput, and higher on every held-out benchmark we measure. Mizan-Rerank-v3 is the larger option (306M) if you prefer it.

The current family

ModelParametersThroughputHeld-out mean nDCG@10Fiqh nDCG@10Status
Mizan-Rerank-v3-Turbo150M2,487 pairs/s0.8750.761recommended replacement for v2
Mizan-Rerank-v3306M1,238 pairs/s0.8260.669recommended
Mizan-Rerank-v2 (this model)305M1,191 pairs/s0.6850.618deprecated

Held-out mean nDCG@10 is the mean over four held-out Arabic sets (MTEB NamaaMrTydi unseen subset, short adversarial, long-context adversarial, Multi-LLM); Fiqh nDCG@10 is measured on real fatwa-search queries with production candidate lists.

Migrating

The interface is identical, so migration is one line. Both models need trust_remote_code=True:

from sentence_transformers import CrossEncoder

# Before
model = CrossEncoder("ALJIACHI/Mizan-Rerank-v2", max_length=8192, trust_remote_code=True)

# After (recommended: half the size, ~2× the throughput, more accurate)
model = CrossEncoder("ALJIACHI/Mizan-Rerank-v3-Turbo", max_length=3072, trust_remote_code=True)

# Or the larger model
model = CrossEncoder("ALJIACHI/Mizan-Rerank-v3", max_length=3072, trust_remote_code=True)

Scores are not calibrated across versions, so if your pipeline uses an absolute score threshold to filter candidates, re-tune that threshold after switching.

Links

Note for existing work

The weights are unchanged and stay online for reproducibility: existing pipelines pinned to ALJIACHI/Mizan-Rerank-v2 keep working. This card was reduced to a redirect on 2026-10-11; the full previous documentation (benchmarks, training configuration, usage examples) remains in the repository history, and the model's own benchmark chart is still at chart-1.png.

Citation

@software{Mizan_Rerank_v2_2026,
  author = {Ali Aljiachi},
  title = {Mizan-Rerank-v2: Arabic Long-Context Text Reranking Model},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/ALJIACHI/Mizan-Rerank-v2}
}

For new work, cite the replacement:

@software{Mizan_Rerank_v3_Turbo_2026,
  author = {Ali Aljiachi},
  title = {Mizan-Rerank-v3-Turbo: Compact Arabic Long-Context Reranker},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/ALJIACHI/Mizan-Rerank-v3-Turbo}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
NewForSequenceClassification
Ревизия весов
f4a59eb

0 моделей