/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,2 ГБ
Лицензия
Apache 2.0
Архитектура
mistraldual · dense
Базовая модель
Mistral-7B-Instruct-v0.1
Библиотека
sentence-transformers
Опубликована
26 мая 2025

GeoEmbedding

ЭмбеддингиТекст → embedding3 профессии

GeoEmbedding — дообученная модель эмбеддингов для семантического поиска по англоязычным текстам о геонауках и извлечения документов в RAG.

189скачиваний за 30 дней15лайковвеса обновлены11 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки41

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • ArXivHierarchicalClusteringS2S

    main_score

    Результат

    0,6437

    MTEB

    Публичная таблицадругая ревизия

  • SprintDuplicateQuestions

    main_score

    Результат

    0,936

    MTEB

    Публичная таблицадругая ревизия

  • ArguAna

    main_score

    Результат

    0,7787

    MTEB

    Публичная таблицадругая ревизия

  • BiorxivClusteringP2P.v2

    main_score

    Результат

    0,476

    MTEB

    Публичная таблицадругая ревизия

  • MindSmallReranking

    main_score

    Результат

    0,321

    MTEB

    Публичная таблицадругая ревизия

  • FiQA2018

    main_score

    Результат

    0,5324

    MTEB

    Публичная таблицадругая ревизия

  • STS13

    main_score

    Результат

    0,8228

    MTEB

    Публичная таблицадругая ревизия

  • Touche2020Retrieval.v3

    main_score

    Результат

    0,5438

    MTEB

    Публичная таблицадругая ревизия

  • TwitterSemEval2015

    main_score

    Результат

    0,6796

    MTEB

    Публичная таблицадругая ревизия

  • ArXivHierarchicalClusteringP2P

    main_score

    Результат

    0,6452

    MTEB

    Публичная таблицадругая ревизия

  • StackExchangeClusteringP2P.v2

    main_score

    Результат

    0,4035

    MTEB

    Публичная таблицадругая ревизия

  • STS22.v2

    main_score

    Результат

    0,717

    MTEB

    Публичная таблицадругая ревизия

  • TRECCOVID

    main_score

    Результат

    0,7726

    MTEB

    Публичная таблицадругая ревизия

  • TwentyNewsgroupsClustering.v2

    main_score

    Результат

    0,8758

    MTEB

    Публичная таблицадругая ревизия

  • MTOPDomainClassification

    main_score

    Результат

    0,9841

    MTEB

    Публичная таблицадругая ревизия

  • SummEvalSummarization.v2

    main_score

    Результат

    0,3043

    MTEB

    Публичная таблицадругая ревизия

  • ToxicConversationsClassification

    main_score

    Результат

    0,8456

    MTEB

    Публичная таблицадругая ревизия

  • AmazonCounterfactualClassification

    main_score

    Результат

    0,9696

    MTEB

    Публичная таблицадругая ревизия

  • Banking77Classification

    main_score

    Результат

    0,9219

    MTEB

    Публичная таблицадругая ревизия

  • BIOSSES

    main_score

    Результат

    0,8434

    MTEB

    Публичная таблицадругая ревизия

  • STS17

    main_score

    Результат

    0,8989

    MTEB

    Публичная таблицадругая ревизия

  • AskUbuntuDupQuestions

    main_score

    Результат

    0,6454

    MTEB

    Публичная таблицадругая ревизия

  • FEVERHardNegatives

    main_score

    Результат

    0,9267

    MTEB

    Публичная таблицадругая ревизия

  • STSBenchmark

    main_score

    Результат

    0,8405

    MTEB

    Публичная таблицадругая ревизия

  • MassiveIntentClassification

    main_score

    Результат

    0,8554

    MTEB

    Публичная таблицадругая ревизия

  • TweetSentimentExtractionClassification

    main_score

    Результат

    0,7723

    MTEB

    Публичная таблицадругая ревизия

  • ImdbClassification

    main_score

    Результат

    0,9204

    MTEB

    Публичная таблицадругая ревизия

  • MedrxivClusteringS2S.v2

    main_score

    Результат

    0,4774

    MTEB

    Публичная таблицадругая ревизия

  • StackExchangeClustering.v2

    main_score

    Результат

    0,5385

    MTEB

    Публичная таблицадругая ревизия

  • ClimateFEVERHardNegatives

    main_score

    Результат

    0,4298

    MTEB

    Публичная таблицадругая ревизия

  • SICK-R

    main_score

    Результат

    0,8008

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackUnixRetrieval

    main_score

    Результат

    0,5037

    MTEB

    Публичная таблицадругая ревизия

  • STS12

    main_score

    Результат

    0,6783

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackGamingRetrieval

    main_score

    Результат

    0,6474

    MTEB

    Публичная таблицадругая ревизия

  • SCIDOCS

    main_score

    Результат

    0,2214

    MTEB

    Публичная таблицадругая ревизия

  • STS15

    main_score

    Результат

    0,8706

    MTEB

    Публичная таблицадругая ревизия

  • STS14

    main_score

    Результат

    0,7821

    MTEB

    Публичная таблицадругая ревизия

  • HotpotQAHardNegatives

    main_score

    Результат

    0,7341

    MTEB

    Публичная таблицадругая ревизия

  • MassiveScenarioClassification

    main_score

    Результат

    0,904

    MTEB

    Публичная таблицадругая ревизия

  • MedrxivClusteringP2P.v2

    main_score

    Результат

    0,4601

    MTEB

    Публичная таблицадругая ревизия

  • TwitterURLCorpus

    main_score

    Результат

    0,8598

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GeoEmbedding — модель для получения векторных представлений текстов о геонауках, разработанная проектом GeoGPT Research Project. Она дообучена на базе Mistral-7B-Instruct-v0.1 на общих и специализированных геонаучных наборах данных и предназначена для поиска по смыслу и извлечения релевантных материалов в RAG-системах. Модель содержит 7,1 млрд параметров, использует архитектуру MistralDual и поддерживает контекст до 32 768 токенов; для работы доступны веса в формате safetensors и библиотека sentence-transformers.

GeoEmbedding преобразует геонаучные тексты в векторы, учитывающие их контекст, чтобы находить материалы для ответов на вопросы и поиска по коллекциям документов. В карточке указана лицензия Apache-2.0. Модель обучена на английских данных, поэтому результаты на других языках могут быть хуже.

Сценарии применения

  • семантический поиск по геонаучным статьям и отчётам
  • поиск документов для ответов на вопросы о геонауках
  • извлечение релевантных фрагментов для геонаучной RAG-системы

Ограничения

Модель обучена на англоязычных данных, поэтому её качество на других языках может быть ниже.

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

GeoEmbedding

The GeoEmbedding model is a geoscience-specific text embedding model built upon a high-performance large language model and fine-tuned on both general-purpose and in-domain geoscientific datasets. It produces accurate, context-aware vector representations of geoscientific texts, forming the backbone of vector-based retrieval in the RAG pipeline.

👉For full documentation, see: https://github.com/GeoGPT-Research-Project/GeoGPT-RAG

Quickstart

To load the GeoEmbedding model with Transformer, use the following snippet:

import numpy as np
from sentence_transformers import SentenceTransformer

task_description = 'Given a web search query, retrieve relevant passages that answer the query'
def get_detailed_instruct(task_description: str, query: str) -> str:
    return f'Instruct: {task_description}\nQuery: {query}'

model_name_or_path = 'GeoGPT/GeoEmbedding'

model = SentenceTransformer(model_name_or_path, device="cuda", trust_remote_code=True)

queries = [
    "What is the main cause of earthquakes?",
    "How do sedimentary rocks form?",
]

passages = [
    "Earthquakes occur due to the sudden release of energy in the Earth's crust, often caused by tectonic plate movements along fault lines.",
    "Sedimentary rocks form through the deposition and compaction of mineral and organic particles over time, typically in water bodies.",
]

queries = [get_detailed_instruct(task_description, query) for query in queries]

q_vecs = model.encode(queries, normalize_embeddings=True)
p_vecs = model.encode(passages, normalize_embeddings=True)

print(np.dot(q_vecs, p_vecs.T)) 
#[[0.6369  0.2092 ]
# [0.2499  0.8411 ]]

License and Uses

GeoEmbedding is licensed under Apache License 2.0. GeoEmbedding is trained on the foundation of Mistral-7B-Instruct-v0.1, which is also licensed under the Apache License 2.0. It is your responsibility to ensure that your use of GeoEmbedding adheres to the terms of both the GeoEmbedding model and its upstream dependency, Mistral-7B-Instruct-v0.1.

The model is not intended for use in any manner that violates applicable laws or regulations, nor for any activities prohibited by the license agreement. Additionally, it should not be used in languages other than those explicitly supported, as outlined in this model card.

Limitations

GeoEmbedding is trained on English datasets, and performance may be suboptimal for other languages.

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Нельзя запустить

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

Класс архитектуры
MistralDualModel
Ревизия весов
4334e90

0 моделей