/ Модель

Характеристики

Лицензия
MIT
Архитектура
bert · dense
Библиотека
transformers
Опубликована
8 сен 2026

MyAwesomeModel-TestRepository

ЭмбеддингиТекст → embedding

Русское описание этой модели ещё готовится. Пока можно заглянуть в карточку модели от автора ниже.

22скачиваний за 30 дней0лайковвеса обновлены8 сен 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.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MyAwesomeModel

Best Checkpoint

The best checkpoint selected is step_1000, which achieves the highest overall weighted eval_accuracy across all 15 benchmark categories.

Overall weighted eval_accuracy (step_1000): 0.710

Evaluation Results — Best Checkpoint (step_1000)

All scores below are computed from the benchmark scoring functions and rounded to three decimal places.

#Benchmark Categoryeval_accuracy
1math_reasoning0.550
2code_generation0.650
3text_classification0.828
4sentiment_analysis0.792
5question_answering0.607
6logical_reasoning0.819
7common_sense0.736
8reading_comprehension0.700
9dialogue_generation0.644
10summarization0.767
11translation0.804
12knowledge_retrieval0.676
13creative_writing0.610
14instruction_following0.758
15safety_evaluation0.739

Weighting Used for Overall Score

The overall weighted eval_accuracy combines the per-benchmark scores with the following weights (slightly emphasizing reasoning tasks):

BenchmarkWeight
math_reasoning1.2
logical_reasoning1.2
code_generation1.1
question_answering1.1
instruction_following1.1
safety_evaluation1.1
reading_comprehension1.0
common_sense1.0
dialogue_generation1.0
summarization1.0
translation1.0
knowledge_retrieval1.0
text_classification0.9
sentiment_analysis0.9
creative_writing0.9

Per-Category eval_accuracy Trend Across Checkpoints

For reference, the overall weighted eval_accuracy for every checkpoint found in the workspace:

CheckpointOverall eval_accuracy
step_1000.480
step_2000.535
step_3000.576
step_4000.608
step_5000.635
step_6000.656
step_7000.674
step_8000.689
step_9000.700
step_10000.710

Architecture

  • model_type: bert
  • architectures: ["BertModel"]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
42fb1c0

0 моделей