/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
DUSUNEN-Pusula-118M-v0
Библиотека
sentence-transformers
Опубликована
13 авг 2026

DUSUNEN-Pusula-118M-v1

ЭмбеддингиТекст → embedding8 профессий

Компактная турецкая BERT-модель создаёт векторы предложений и документов для семантического поиска и проверки сходства.

24скачиваний за 30 дней0лайковвеса обновлены13 авг 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

DUSUNEN Pusula 118M v1 — компактная модель Sentence Transformers на базе BERT, разработанная и выпущенная Göktuğ Düşünen. Она преобразует турецкие запросы и документы в векторы для семантического поиска и сопоставления предложений. Модель дообучена на 50 000 турецких триплетов с трудными отрицательными примерами с применением Matryoshka Representation Learning.

По умолчанию модель выдаёт векторы размерности 384; их можно обрезать до 256, 192, 128, 64 или 32 измерений, чтобы уменьшить размер индекса. Контекст — до 512 токенов. В репозитории также есть динамически квантованная ONNX-версия для инференса на CPU с AVX2. Проверки и бенчмарки README показывают результаты на конкретных наборах данных и не гарантируют такое же качество в прикладных сценариях. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • семантический поиск по турецким документам
  • поиск релевантных документов по турецкому запросу
  • сопоставление турецких предложений по смыслу
  • построение компактного векторного индекса для турецкого корпуса

Ограничения

Оценки получены на ограниченных наборах данных и не заменяют проверку на целевом корпусе; меньшая размерность векторов может снизить качество ранжирования. Корпус обучения может содержать шумные или семантически пересекающиеся отрицательные примеры, а пороги сходства требуют калибровки под приложение.

Для каких профессий подходит8

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

DUSUNEN Pusula 118M v1

A compact Turkish retriever with six selectable vector sizes. Pusula is a 117.7M-parameter Sentence Transformer trained with Matryoshka Representation Learning on 50,000 Turkish hard-negative triplets. It emits 384-dimensional embeddings by default and can be truncated to 256, 192, 128, 64, or 32 dimensions without storing another model.

Measured dimension sweep

All results use the same 2,000-example held-out hard-negative split and cosine similarity. The baseline is the public Pusula v0 checkpoint evaluated with the same code and text format.

DimensionsBase accuracyPusula v1 accuracyGainFloat32 bytes/vectorIndex reduction
38492.00%91.95%-0.05 pp1,5360.0%
25691.60%91.70%+0.10 pp1,02433.3%
19290.70%90.75%+0.05 pp76850.0%
12890.05%89.85%-0.20 pp51266.7%
6488.70%88.90%+0.20 pp25683.3%
3286.40%86.40%+0.00 pp12891.7%

These are in-domain held-out triplet results, not a universal or state-of-the-art claim. Machine-readable evidence is included in dimension-sweep.json.

Turkish retrieval benchmark

The five-task score below was measured with MTEB 2.18.16, normalized 384-dimensional embeddings, bfloat16 inference, and the plain-text input format. Dataset revisions and task metadata are recorded in mteb-five-task.json.

TaskMain score
TurHistQuadRetrieval0.25543
XQuADRetrieval0.81568
WebFAQRetrieval0.46310
MKQARetrieval0.04860
BelebeleRetrieval0.82598
Macro average0.481758

Scores across tasks with different metrics should be read as a compact release regression panel, not as a single universal quality measure.

Dynamic-int8 ONNX

The repository includes onnx/model_quantized.onnx (118.3 MB), exported for AVX2 CPU inference. Across the included validation probes, PyTorch-to-ONNX mean cosine agreement was 0.989893, minimum agreement was 0.979842, and example-query top-1 agreement was 100.0%. See onnx-validation.json for machine-readable details.

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer(
    "GoktugD/DUSUNEN-Pusula-118M-v1",
    truncate_dim=128,
)

queries = ["Türkiye'nin başkenti neresidir?"]
passages = [
    "Türkiye'nin başkenti Ankara'dır.",
    "İstanbul Türkiye'nin en kalabalık şehridir.",
]
q = model.encode(queries, normalize_embeddings=True)
p = model.encode(passages, normalize_embeddings=True)
print(q @ p.T)

Pusula uses plain text; do not add E5-style prefixes. Apply the same truncate_dim to query and document embeddings.

Training

  • Base: GoktugD/DUSUNEN-Pusula-118M-v0
  • Data: 50,000 train / 2,000 held-out Turkish hard-negative triplets
  • Loss: cached multiple-negatives ranking loss wrapped by Matryoshka loss
  • Dimensions: 384, 256, 192, 128, 64, 32
  • Effective batch size: 64; one epoch; bfloat16; seed 3407
  • Hardware: NVIDIA GeForce RTX 3090 24 GB
  • Training time: 1383.3 seconds
  • Peak memory allocated by training: 1.082 GiB

Exact configuration, environment and evaluation scripts are included in this repository.

Limitations

  • The dimension sweep is an in-domain held-out evaluation; the separate MTEB panel is broader but is not a substitute for application-specific testing.
  • Very small dimensions trade ranking quality for index size.
  • The underlying training corpus can contain noisy or semantically overlapping negatives.
  • Similarity thresholds require application-specific calibration.

Integrity

model.safetensors SHA-256:

1ac5c7f6c40598ae744b82373eb6f5a37d6569402ebaf5dada12b3e56553d81a

Developed and released by Göktuğ Düşünen.

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
BertModel
Ревизия весов
bd8e29e

0 моделей