/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
multilingual-e5-base
Библиотека
sentence-transformers
Опубликована
9 июл 2026

e5-multilingual-frenchboost-v1

ЭмбеддингиТекст → embedding9 профессий

Многоязычная модель эмбеддингов с усилением для французского языка для семантического поиска, ранжирования и сопоставления текстов.

23скачиваний за 30 дней0лайковвеса обновлены13 июл 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

E5 Multilingual FrenchBoost v1 — многоязычная модель эмбеддингов предложений, разработанная AurelPx на основе intfloat/multilingual-e5-base. Она предназначена прежде всего для семантического поиска и ранжирования франкоязычных текстов, сохраняя возможности исходного многоязычного пространства E5. Модель построена на архитектуре XLM-RoBERTa, содержит 305,2 млн параметров, принимает текст с контекстом до 514 токенов и выдаёт эмбеддинги. Для запросов и документов рекомендуется использовать префиксы «query:» и «passage:».

Модель подходит для поиска по коллекциям документов, оценки сходства предложений, переранжирования результатов, кластеризации и обнаружения дубликатов. Внутренняя оценка на 25 задачах MTEB(fra)-safe v2 показала средний результат 0,5636; авторы отдельно отмечают, что это оценка разработки, а не заявление о превосходстве над современными моделями. Модель выпущена под лицензией MIT.

Это первая версия модели. Валидация пока ограничена внутренним бенчмарком; авторы планируют проверить устойчивость на более широком наборе задач, особенно для поиска, кластеризации и классификации пар.

Сценарии применения

  • семантический поиск по франкоязычным документам
  • переранжирование результатов поиска на французском языке
  • оценка сходства французских предложений
  • поиск парафразов и дубликатов текста
  • кластеризация франкоязычных текстов
  • межъязыковой поиск в многоязычных коллекциях

Ограничения

Это версия v1, оценённая на внутреннем протоколе MTEB(fra)-safe v2; результаты не являются заявлением о превосходстве над современными моделями. Устойчивость на более широком наборе задач, включая кластеризацию и классификацию пар, ещё требует проверки.

Для каких профессий подходит9

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

E5 Multilingual FrenchBoost v1

E5 Multilingual FrenchBoost v1 is a multilingual sentence embedding model boosted for French, derived from intfloat/multilingual-e5-base.

This is the first public release (model-v1). The goal is practical French semantic search, reranking, clustering, and similarity while preserving the broad multilingual E5 embedding space as much as possible.

Intended use

Use this model for French-heavy multilingual embeddings in retrieval, reranking, semantic search, clustering, duplicate detection, and similarity scoring. Like E5, it works best with explicit prefixes:

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("AurelPx/e5-multilingual-frenchboost-v1")
queries = ["query: Quelle est la capitale de la France ?"]
passages = ["passage: Paris est la capitale de la France."]

query_embeddings = model.encode(queries, normalize_embeddings=True)
passage_embeddings = model.encode(passages, normalize_embeddings=True)
scores = query_embeddings @ passage_embeddings.T

Training summary

  • Base model: intfloat/multilingual-e5-base
  • Method: conservative LoRA fine-tuning followed by merge for easy Sentence Transformers inference
  • Data mixture: French retrieval/reranking signals, MIRACL-style hard-negative ranking, French STS/paraphrase/NLI signals, multilingual replay, and baseline embedding distillation
  • Selection: held-out French retrieval + STS proxy evaluation with anti-regression guardrails and no train/eval leakage
  • Export checks: non-zero LoRA weights, adapter reload parity, merged-model embedding parity

Evaluation

Internal evaluation was run with a memory-safe MTEB(fra)-safe v2 protocol: one task per isolated process, using bounded variants for the historically crash-prone clustering tasks. These numbers should be read as a transparent development benchmark, not as a final SOTA claim.

  • Mean score over 25 tasks: 0.5636
  • Benchmark label: MTEB(fra)-safe v2 GPU-fp16 conservative-lora

Category scores

categoryscoren_tasks
Classification0.63846
STS0.74233
Reranking0.76812
PairClass.0.55381
Clustering0.44027
Retrieval0.50625
Summarization0.32941

Per-task comparison

The table below compares this V1 checkpoint against the previous internal LoRA candidate when that reference run is available locally.

taskv1_scorereference_scoredelta
SyntecRetrieval0.82310.32920.4939
BSARDRetrieval0.58560.16220.4234
SyntecReranking0.85250.54420.3083
MasakhaNEWSClusteringS2S0.55430.24790.3064
AlloprofRetrieval0.35580.05570.3001
AlloprofReranking0.68370.50770.1760
AlloProfClusteringP2P0.62630.46350.1628
XPQARetrieval0.45710.34010.1170
SummEvalFr0.32940.29210.0373
STS220.64850.61870.0298
MTOPDomainClassification0.82660.80250.0241
MassiveScenarioClassification0.67100.64820.0228

Per-task blue-gradient comparison

Current limitations

This is a V1. It is already stronger in reranking in the internal evaluation, but the model card will be updated as broader validation comes in. The next version will focus on better robustness across retrieval, clustering, and pair classification while keeping STS gains.

Citation / attribution

This model builds on multilingual E5 by Microsoft / intfloat and uses the Sentence Transformers ecosystem.

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
a313f02

0 моделей