/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
sentence-transformers
Опубликована
11 авг 2026

loss-guided-static-multi

ЭмбеддингиТекст → embedding10 профессий

Статический мультиязычный кодировщик предложений для семантического поиска, сравнения, кластеризации и классификации текстов.

15скачиваний за 30 дней0лайковвеса обновлены25 сен 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

BorisTM/loss-guided-static-multi — мультиязычный статический кодировщик предложений для семантического поиска и сравнения текстов. Модель обучена с контрастивной целью и расширенным словарём: полезные пары соседних токенов получают собственные строки эмбеддингов, при этом базовый токенизатор не меняется. При инференсе используются таблица эмбеддингов и усреднение, без Transformer; размерность векторов — 1 024, всего 321,7 млн параметров.

Модель рассчитана на CPU-эффективное семантическое сходство, поиск, кластеризацию и классификацию на 176 языках. Каждый текст необходимо предварять языковым маркером, например __rus_Cyrl__; без него обработка завершается ошибкой. Репозиторий включает пользовательский модуль эмбеддингов и требует trust_remote_code=True. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск семантически близких документов на разных языках
  • сопоставление переводов и межъязыковой поиск
  • кластеризация мультиязычных текстов
  • классификация текстов по эмбеддингам
  • поиск похожих предложений на CPU

Ограничения

Каждый входной текст должен начинаться с маркера языка; без него модель выдаёт ошибку. Для загрузки требуется trust_remote_code=True.

Для каких профессий подходит10

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

Loss-Guided Static Multilingual Sentence Embeddings

Overview

A static multilingual sentence encoder: one embedding table, mean pooling, no Transformer at inference. Its vocabulary was extended with loss-guided vocabulary discovery: during contrastive training, adjacent token pairs are scored by how much the sentence objective would suffer without them, and the useful pairs receive their own embedding rows. The base tokenizer stays unchanged. The model is trained on 176 languages and is intended for CPU-efficient semantic similarity, retrieval, clustering, and classification.

Model Specifications

  • Embedding dimension: 1,024
  • Base vocabulary: 257,914 rows (mmBERT tokenizer + 1,914 language markers)
  • Learned pair rows: 56,071
  • Parameters: 321.7M (embedding table only), FP32 safetensors, 1.29 GB
  • Training languages: 176
  • Inference: table lookup and mean pooling; requires a language marker at the start of each text

Performance

MTEB(Multilingual, v2), 131 tasks, primary score (Mean over tasks) 50.13, Mean over task types 43.45:

Task typeCountMean score
Bitext mining1353.90
Classification4352.87
Clustering1638.91
Instruction reranking3-1.04
Multilabel classification517.64
Pair classification1172.69
Reranking649.42
Retrieval1841.64
STS1664.99

Cross-lingual retrieval (macro F1 over language pairs): Tatoeba 57.26 (106 pairs), BUCC 98.12 (4 pairs), Flores 63.70 (193 pairs).

Installation & Usage

Every input must start with a language marker __<iso639-3>_<script>__, for example __eng_Latn__, __rus_Cyrl__, __arb_Arab__, __cmn_Hani__. A text without a marker raises an error. The repository ships the custom embedding module, so trust_remote_code=True is required.

pip install -U sentence-transformers

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("BorisTM/loss-guided-static-multi", trust_remote_code=True)

sentences = [
    "__eng_Latn__ The cat sleeps on the sofa.",
    "__rus_Cyrl__ Кошка спит на диване.",
    "__deu_Latn__ Die Katze schläft auf dem Sofa.",
    "__eng_Latn__ The stock market fell sharply today.",
]

embeddings = model.encode(sentences, normalize_embeddings=True)
similarities = model.similarity(embeddings, embeddings)
# [[1.00, 0.44, 0.80, 0.05],
#  [0.44, 1.00, 0.41, 0.06],
#  [0.80, 0.41, 1.00, 0.08],
#  [0.05, 0.06, 0.08, 1.00]]

License: Apache 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
4b1f087

0 моделей