/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Архитектура
xlm-roberta · dense
Базовая модель
BioLORD-2023-M
Библиотека
sentence-transformers
Опубликована
26 июн 2026

ArogyaAI-BioBERT-BioLORD

ЭмбеддингиТекст → embedding3 профессии

Дообученная мультиязычная модель медицинских эмбеддингов для семантического поиска и сопоставления описаний симптомов с клиническими понятиями.

76скачиваний за 30 дней0лайковвеса обновлены30 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

ArogyaAI-BioBERT-BioLORD — модель Sentence Transformers, дообученная автором Aman0026 на FremyCompany/BioLORD-2023-M для поиска сходства между медицинскими фразами и клиническими понятиями. Она использует архитектуру XLM-RoBERTa с усреднением токенных представлений и преобразует текст в плотные векторы размерности 768; сходство оценивается косинусной функцией. Метаданные указывают контекст до 514 токенов, а карточка модели задаёт максимальную длину последовательности 64 токена.

Модель предназначена для семантического поиска и извлечения подходящих клинических профилей по описаниям симптомов. В README приведён экспериментальный пример поиска по 73 заболеваниям на запросах на хинди, хинглише, маратхи, тамильском и гуджарати с использованием индекса FAISS; заявленные результаты относятся к этому конкретному тесту и не гарантируют точность медицинской диагностики. Обучение описано на 8 879 парах фраз, включая примеры на бенгали, хинди и английском. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск заболеваний по описанию симптомов на индийских языках
  • ранжирование клинических профилей по сходству с запросом
  • поиск медицинских понятий в базе знаний
  • кластеризация похожих медицинских фраз

Ограничения

README сообщает о максимальной длине последовательности 64 токена; результаты поиска приведены для конкретного теста по 73 заболеваниям и не подтверждают клиническую надёжность в других условиях. Модель выдаёт векторы для поиска и сопоставления, а не медицинский диагноз.

Для каких профессий подходит3

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

SentenceTransformer based on FremyCompany/BioLORD-2023-M

This is a sentence-transformers model finetuned from FremyCompany/BioLORD-2023-M. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: FremyCompany/BioLORD-2023-M
  • Maximum Sequence Length: 64 tokens
  • Output Dimensionality: 768 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': 768, 'pooling_mode': 'mean', 'include_prompt': True})
)

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 = [
    'Leukemia',
    'test mein blood cancer bataya hai, safed khoon (WBC) count abnormal hai',
    'मला मूळव्याध झाला आहे आणि बसायला त्रास होतोय',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.7930, 0.4414],
#         [0.7930, 1.0000, 0.1904],
#         [0.4414, 0.1904, 1.0000]], dtype=torch.bfloat16)

Evaluation

📊 RAG Retrieval Benchmark (M.Tech Thesis)

Rather than just raw cosine similarity against isolated labels, the model is evaluated in a Retrieval-Augmented Generation (RAG) pipeline against a FAISS vector index of 73 diseases. The benchmark tests complex symptom combinations (Hindi, Hinglish, Marathi, Tamil, Gujarati) against standard clinical profiles.

MetricLocal Laptop CPUDescription
Precision @ 197.3%The correct clinical disease was the absolute #1 retrieved profile.
Precision @ 3100.0%The correct disease was within the top 3 retrieved profiles.
Avg Retrieval Latency225.4 msFast sub-second local retrieval via FAISS.

📈 Confusion Matrix (Multi-language Retrieval)

Below is the confusion matrix generated for raw phrase-to-class mapping without RAG profiles (showing the semantic baseline for raw symptom matching):

======================================================
                 CONFUSION MATRIX                     
======================================================
True / Predicted | Fever    | Diabetes | Heart At | Asthma   | Hyperten
-----------------------------------------------------------------------
Fever            | 1        | 0        | 1        | 1        | 0       
Diabetes         | 0        | 1        | 1        | 1        | 0       
Heart Attack     | 0        | 0        | 2        | 0        | 1       
Asthma           | 0        | 0        | 2        | 1        | 0       
Hypertension     | 0        | 0        | 1        | 0        | 2       
======================================================
Overall Top-1 Retrieval Accuracy: 46.7% (7/15)
======================================================

Note: Directly matching patient-described symptoms to bare English disease names is a characteristically hard task (getting 46.7% accuracy), but storing symptom lists in a FAISS RAG index increases overall diagnostic recall to a perfect 100.0% Top-3 accuracy.

Training Details

Training Dataset

Unnamed Dataset

  • Size: 8,879 training samples
  • Columns: sentence_0 and sentence_1
  • Approximate statistics based on the first 100 samples:
    sentence_0sentence_1
    typestringstring
    modalitytexttext
    detailsmin: 4 tokensmean: 17.61 tokensmax: 59 tokensmin: 4 tokensmean: 10.0 tokensmax: 34 tokens
  • Samples:
    sentence_0sentence_1
    বুকের বাঁ দিকে হঠাৎ খুব ভারী লাগছে।Myocardial Infarction
    chokher chani operation hoyecheCataract surgery
    चावल के पानी जैसे पतले दस्त आ रहे हैंCholera
  • 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: 256
  • num_train_epochs: 30
  • per_device_eval_batch_size: 256
  • multi_dataset_batch_sampler: round_robin

All Hyperparameters

  • per_device_train_batch_size: 256
  • num_train_epochs: 30
  • max_steps: -1
  • learning_rate: 5e-05
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: None
  • warmup_steps: 0
  • optim: adamw_torch
  • 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: 256
  • 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 Logs

EpochStepspearman_cosine
1.0350.2122
2.0700.3213
3.01050.3320
4.01400.3404
5.01750.3568
5.71432000.3697
6.02100.3790
7.02450.3877
8.02800.3958
9.03150.4021

Training Time

  • Training: 1.7 minutes
  • Evaluation: 0.2 seconds
  • Total: 1.7 minutes

Framework Versions

  • Python: 3.11.15
  • Sentence Transformers: 5.6.0
  • Transformers: 5.12.1
  • PyTorch: 2.5.1+cu121
  • Accelerate: 1.14.0
  • Datasets: 5.0.0
  • 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
4f2f55a

0 моделей