/ Модель

Характеристики

Контекст
514 токенов
Параметры
137 млн
Архитектура
mpnet · dense
Опубликована
19 июн 2023

github-issues-mpnet-st-e10

ЭмбеддингиТекст → embedding6 профессий

MPNet-эмбеддер, дообученный на GitHub Issues для сравнения заголовков и описаний и поиска похожих проблем.

196скачиваний за 30 дней1лайквеса обновлены30 мая 2025

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

Collab-uniba разработала sentence-transformers-модель на базе MPNet для вычисления смыслового сходства текстов о проблемах GitHub. Модель обучена на наборе NLBSE22 после удаления записей с пустым описанием и дубликатов; обучающей паре служили заголовок и тело одной и той же проблемы. Обучение продолжалось 10 эпох с Multiple Negative Ranking Loss и косинусным сходством.

Модель предназначена для получения эмбеддингов и сопоставления заголовков с описаниями GitHub Issues, например для поиска похожих проблем и ранжирования кандидатов. Архитектура — плотная MPNet с 136,7 млн параметров; максимальная длина контекста составляет 514 токенов. Данные о лицензии и поддерживаемых естественных языках в предоставленных источниках отсутствуют.

Сценарии применения

  • поиск похожих GitHub Issues по заголовку и описанию
  • сопоставление заголовка проблемы с её телом
  • ранжирование проблем GitHub по смысловой близости
  • поиск дубликатов и связанных задач в репозитории

Ограничения

Обучение ориентировано на пары «заголовок — описание» проблем GitHub, поэтому качество на других типах текстов может быть ниже. Длина контекста ограничена 514 токенами; лицензия в предоставленных данных не указана.

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

GitHub Issues MPNet Sentence Transformer (10 Epochs)

This is a sentence-transformers model, specific for GitHub Issue data.

Dataset

For training, we used the NLBSE22 dataset, after removing issues with empty body and duplicates. Similarity between title and body was used to train the sentence embedding model.

Usage (Sentence-Transformers)

Using this model becomes easy when you have sentence-transformers installed:

pip install -U sentence-transformers

Then you can use the model like this:

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('Collab-uniba/github-issues-mpnet-st-e10')
embeddings = model.encode(sentences)
print(embeddings)

Training

The model was trained for ten epochs, using Multiple Negative Ranking Loss. We assumed that title and body of the same issue have to be similar. We used the following parameters:

DataLoader:

torch.utils.data.dataloader.DataLoader of length 39221 with parameters:

{'batch_size': 16, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

Loss:

sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss with parameters:

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

Parameters of the fit()-Method:

{
    "epochs": 10,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 39221,
    "weight_decay": 0.01
}

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: MPNetModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

Citing & Authors

@article{Colavito_2025_Benchmarking,
	title        = {Benchmarking large language models for automated labeling: The case of issue report classification},
	author       = {Giuseppe Colavito and Filippo Lanubile and Nicole Novielli},
	year         = 2025,
	journal      = {Information and Software Technology},
	volume       = 184,
	pages        = 107758,
	doi          = {https://doi.org/10.1016/j.infsof.2025.107758},
	issn         = {0950-5849},
	url          = {https://www.sciencedirect.com/science/article/pii/S0950584925000977},
	keywords     = {Issue labeling, Generative AI, Software maintenance and evolution}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MPNetModel
Ревизия весов
15ffa76

0 моделей