/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
eranex_embedding · dense
Библиотека
transformers
Опубликована
14 авг 2026

eranex-embedding-v1.0-base

ЭмбеддингиТекст → embedding

Компактный многоязычный энкодер на базе двунаправленной Mamba для извлечения признаков и дообучения на задачах классификации текста.

169скачиваний за 30 дней0лайковвеса обновлены18 авг 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

Eranex-Tech разработала Eranex-Embedding-v1.0-Base — компактный многоязычный энкодер предложений и базовую модель для извлечения признаков. Модель построена на двунаправленной архитектуре Mamba SSM и содержит 14,5 млн параметров. Она предварительно обучена методом masked language modeling на отфильтрованных данных mC4, а межъязыковое выравнивание выполнено на параллельных текстах OPUS-100.

Модель предназначена для получения плотных векторных представлений текста, дообучения для классификации намерений и тональности, адаптации к предметной области и других задач представления текста. Она поддерживает турецкий, английский, испанский и немецкий языки; размер представления составляет 128 измерений. По заявлению разработчика, Mamba обеспечивает линейную по длине последовательности сложность и более быстрый вывод на длинных последовательностях по сравнению с обычным вниманием Transformer.

До контрастивного дообучения представления могут быть анизотропны, поэтому базовая версия не рекомендуется для семантического поиска и RAG без дополнительной калибровки; для этих сценариев разработчик рекомендует отдельную версию Eranex-Embedding-Search. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • извлечение векторных представлений предложений
  • дообучение классификатора намерений
  • классификация тональности текста
  • адаптация текстового энкодера к предметной области
  • сопоставление предложений между языками

Ограничения

До контрастивного выравнивания представления могут быть анизотропны, поэтому качество поиска по косинусному сходству и RAG может быть ограничено; для таких задач разработчик рекомендует версию Eranex-Embedding-Search. В README не приведена длина контекста.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

eranex-embedding-v1.0-base

eranex-embedding-v1.0-base is an efficient multilingual sentence encoder backbone based on a Bidirectional Mamba State Space Model (SSM) architecture.

Pre-trained on quality-filtered multilingual mC4 and aligned cross-lingually via OPUS-100 Translation Language Modeling (TLM), it serves as the foundational encoder for downstream classification, custom fine-tuning, and representation learning tasks.


Intended Use

[!NOTE] Foundational Backbone Notice: eranex-embedding-v1.0-base is an MLM pre-trained foundational backbone. Like standard MLM encoders (e.g. BERT, RoBERTa), raw representations exhibit embedding anisotropy prior to task-specific contrastive alignment.

  • Recommended Applications: Downstream fine-tuning (intent classification, sentiment analysis, custom domain adaptation) and dense feature extraction.
  • For Zero-Shot Semantic Search & RAG: Use Eranex-Embedding-Search (fine-tuned with contrastive objectives to calibrate embedding isotropy for cosine similarity search).

Model Highlights

  • Linear O(N) Complexity: Powered by Bidirectional Mamba SSM layers, providing faster inference on longer sequences compared to quadratic Transformer attention mechanisms.
  • Compact 128-Dimensional Representations: Engineered for low latency downstream architectures and efficient vector index storage.
  • Cross-Lingual Representation Space: Shared multilingual representations pre-aligned across Turkish (tr), English (en), Spanish (es), German (de).
  • Resource Efficient Footprint: Compact 14.5M parameter footprint designed for edge deployment, CPU/GPU inference, and browser runtimes (ONNX).

Evaluation Results

Evaluations were performed on holdout validation splits across target languages.

1. Masked Language Modeling (MLM)

LanguageAccuracyLossPerplexityMasked Tokens
Turkish (tr)57.71%2.17738.82176,024
English (en)53.18%2.439611.47148,777
Spanish (es)58.07%2.10168.18200,072
German (de)56.94%2.21479.16199,826
Overall56.67%2.23339.33724,699

2. Semantic Textual Similarity (STS) Spearman Correlation

LanguageSpearman Correlationp-valueSentence Pairs
Turkish (tr)0.6116p < 0.0011,500
English (en)0.6633p < 0.0011,500
Spanish (es)0.6393p < 0.0011,500
German (de)0.6776p < 0.0011,500
Overall0.6382p < 0.0016,000

3. Cross-Lingual Bitext Mining (Top-1 Accuracy)

Language PairTop-1 AccuracyMean Reciprocal Rank (MRR)Sentence Pairs
Turkish (tr) $\rightarrow$ English (en)14.80%0.22541,500
Spanish (es) $\rightarrow$ English (en)33.27%0.42421,500
German (de) $\rightarrow$ English (en)31.73%0.40561,500

Training Data & Methodology

eranex-embedding-v1.0-base was pre-trained using a targeted, quality-filtered data curation pipeline:

  • Quality Filtering: Enforced text length constraints (150 to 5,000 characters) and minimum alphanumeric ratio (60%) to remove noise and unstructured content.
  • Phase 1 (Multilingual MLM): Approximately 1,000,000 curated documents per language from the mC4 dataset.
  • Phase 2 (TLM Alignment): Parallel sentence pairs from OPUS-100 across target language pairs.
  • Optimization: Trained using bfloat16 mixed precision, 8-bit AdamW optimizer, and disk-backed memory-mapped streaming.

Usage

1. Feature Extraction

import torch
from transformers import AutoModel, PreTrainedTokenizerFast

repo_id = "Eranex-Tech/eranex-embedding-v1.0-base"

tokenizer = PreTrainedTokenizerFast.from_pretrained(repo_id)
model = AutoModel.from_pretrained(repo_id, trust_remote_code=True)
model.eval()

texts = [
    "Yapay zeka ve durum uzayi modelleri hizla ilerliyor.",
    "State space models and artificial intelligence are advancing rapidly.",
    "Der Hund spielt im Garten.",
    "El perro juega en el parque.",
]

inputs = tokenizer(texts, padding=True, truncation=True, max_length=1024, return_tensors="pt")

with torch.no_grad():
    embeddings = model(**inputs)

print("Representations shape:", embeddings.shape)

2. Custom Downstream Task Head

import torch
import torch.nn as nn
from transformers import AutoModel

class EranexCustomClassifier(nn.Module):
    def __init__(self, repo_id: str, num_classes: int):
        super().__init__()
        self.encoder = AutoModel.from_pretrained(repo_id, trust_remote_code=True)
        self.classifier = nn.Sequential(
            nn.Dropout(0.2),
            nn.Linear(128, num_classes)
        )

    def forward(self, input_ids, attention_mask=None):
        pooled_repr = self.encoder(input_ids, attention_mask=attention_mask)
        return self.classifier(pooled_repr)

Technical Specifications

ParameterConfiguration
Backbone ArchitectureBidirectional Mamba State Space Model (SSM)
Total Parameters14.5M
Hidden Dimension ($d_{model}$)256
Output Dimension128
Layers6
State Space Dimension ($d_{state}$)64
Convolution Kernel ($d_{conv}$)4
Expansion Factor ($E$)2
Vocabulary Size32000 (Byte-level BPE with CJK & NFKC normalization)
Max Sequence Length1024 tokens
Weight TyingEnabled (Input Embedding $\leftrightarrow$ Output Projection)

Model Family

Model VariantSpecialization
Eranex-Embedding-BaseMLM pre-trained multilingual backbone
Eranex-Embedding-SearchContrastive fine-tuned model for RAG and vector search
Eranex-Embedding-RerankerCross-Encoder model for second-stage search re-ranking

Attribution & License

  • Lead Developer: Nazmi Yücel Çan (@N4YuC4)
  • Organization: Eranex Tech
  • License: Apache-2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
EranexEmbeddingModel
Ревизия весов
a950130

0 моделей