/ Модель

Характеристики

Контекст
131 072 токена
Параметры
494 млн
Лицензия
MIT
Архитектура
qwen2 · dense
Опубликована
27 авг 2024

KaLM-embedding-multilingual-mini-v1

ЭмбеддингиТекст → embedding9 профессий

Мультиязычная модель на базе Qwen2 для создания текстовых эмбеддингов и поиска семантически похожих фраз.

20 405скачиваний за 30 дней31лайквеса обновлены3 янв 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 оценки33

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

  • SIB200ClusteringS2S

    main_score

    Результат

    0,0973

    Общий результат 0,2571Общий результат 0,1515Общий результат 0,0672
    MTEB

    Публичная таблицадругая ревизия

  • AmazonPolarityClassification

    main_score

    Результат

    0,9527

    MTEB

    Публичная таблицаревизия не подтверждена

  • CUREv1

    main_score

    Результат

    0,4111

    Общий результат 0,4592
    MTEB

    Публичная таблицадругая ревизия

  • STSBenchmarkMultilingualSTS

    main_score

    Результат

    0,8445

    MTEB

    Публичная таблицадругая ревизия

  • MTOPDomainClassification

    main_score

    Результат

    0,8421

    MTEB

    Публичная таблицадругая ревизия

  • NusaTranslationBitextMining

    main_score

    Результат

    0,958

    Общий результат 0,7493Общий результат 0,722
    MTEB

    Публичная таблицадругая ревизия

  • HALClusteringS2S.v2

    main_score

    Результат

    0,2544

    MTEB

    Публичная таблицадругая ревизия

  • MassiveIntentClassification

    main_score

    Результат

    0,5555

    Общий результат 0,5899Общий результат 0,5766Общий результат 0,4727
    MTEB

    Публичная таблицадругая ревизия

  • WikipediaRerankingMultilingual

    main_score

    Результат

    0,8675

    MTEB

    Публичная таблицадругая ревизия

  • TswanaNewsClassification

    main_score

    Результат

    0,4324

    MTEB

    Публичная таблицадругая ревизия

  • Tatoeba

    main_score

    Результат

    0,1587

    Общий результат 0,8283Общий результат 0,5474Общий результат 0,2136
    MTEB

    Публичная таблицадругая ревизия

  • NusaX-senti

    main_score

    Результат

    0,623

    MTEB

    Публичная таблицадругая ревизия

  • KnowMeBench

    main_score

    Результат

    0,292

    MTEB

    Публичная таблицадругая ревизия

  • MemGovern

    main_score

    Результат

    0,8975

    Общий результат 0,9586Общий результат 0,8878
    MTEB

    Публичная таблицадругая ревизия

  • Core17InstructionRetrieval

    main_score

    Результат

    0,006

    MTEB

    Публичная таблицадругая ревизия

  • MLSUMClusteringP2P

    main_score

    Результат

    0,4558

    MTEB

    Публичная таблицаревизия не подтверждена

  • MLQARetrieval

    main_score

    Результат

    0,6606

    MTEB

    Публичная таблицадругая ревизия

  • FilipinoShopeeReviewsClassification

    main_score

    Результат

    0,2902

    Общий результат 0,2887
    MTEB

    Публичная таблицадругая ревизия

  • PawsXPairClassification

    main_score

    Результат

    0,6062

    MTEB

    Публичная таблицадругая ревизия

  • SyntheticText2SQL

    main_score

    Результат

    0,6465

    MTEB

    Публичная таблицадругая ревизия

  • ThuNewsClusteringS2S

    main_score

    Результат

    0,5642

    MTEB

    Публичная таблицаревизия не подтверждена

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,9801

    Общий результат 0,8875
    MTEB

    Публичная таблицадругая ревизия

  • IndicCrosslingualSTS

    main_score

    Результат

    0,3192

    MTEB

    Публичная таблицадругая ревизия

  • DBPedia

    main_score

    Результат

    0,3677

    MTEB

    Публичная таблицаревизия не подтверждена

  • WikiClusteringP2P.v2

    main_score

    Результат

    0,2066

    MTEB

    Публичная таблицадругая ревизия

  • MemBench

    main_score

    Результат

    0,8629

    MTEB

    Публичная таблицадругая ревизия

  • TempReasonL1

    main_score

    Результат

    0,0196

    MTEB

    Публичная таблицадругая ревизия

  • SICK-R

    main_score

    Результат

    0,7993

    MTEB

    Публичная таблицаревизия не подтверждена

  • HindiDiscourseClassification

    main_score

    Результат

    0,4053

    MTEB

    Публичная таблицадругая ревизия

  • XQuADRetrieval

    main_score

    Результат

    0,9725

    MTEB

    Публичная таблицадругая ревизия

  • MassiveScenarioClassification

    main_score

    Результат

    0,5891

    MTEB

    Публичная таблицадругая ревизия

  • MultiEURLEXMultilabelClassification

    main_score

    Результат

    0,0365

    MTEB

    Публичная таблицадругая ревизия

  • STS13

    main_score

    Результат

    0,8487

    MTEB

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

KaLM-embedding-multilingual-mini-v1 — мультиязычная модель эмбеддингов из серии KaLM-Embedding, разработанной командой HITsz-TMG. Она основана на Qwen/Qwen2-0.5B и обучена на больших объёмах слабой разметки с последующим контролируемым дообучением. Модель имеет плотную архитектуру Qwen2, содержит 494 млн параметров и поддерживает контекст до 131072 токенов.

Модель предназначена для преобразования текста в векторы, поиска семантически похожих фраз и других задач, где требуется сравнивать смысл текстов. Подходит для многоязычного семантического поиска, ранжирования кандидатов по релевантности и построения векторного поиска. В карточке приведены оценки на наборах MTEB и C-MTEB; для работы с Qwen2 рекомендуется Transformers версии 4.37.0 или новее.

Модель распространяется по лицензии MIT. В README не описаны конкретный перечень поддерживаемых языков и ограничения качества, поэтому область языковой поддержки и применимость к отдельным доменам следует оценивать на собственных данных.

Сценарии применения

  • семантический поиск по многоязычной коллекции документов
  • поиск похожих предложений и запросов
  • ранжирование текстов по смысловой близости
  • создание векторного индекса для поиска по тексту

Ограничения

README не приводит перечень поддерживаемых языков и конкретные ограничения качества; проверьте модель на данных своей предметной области. Для совместимости с архитектурой Qwen2 рекомендуется Transformers версии 4.37.0 или новее.

Для каких профессий подходит9

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

KaLM-Embedding is a series of embedding models adapted from auto-regressive LLMs with superior training data.

KaLM-embedding-multilingual-mini is trained from Qwen/Qwen2-0.5B with massive weakly-supervised pre-training and supervised fine-tuning data.

📑 Open-source Plan

Evaluation

Model NameModel SizeC-MTEB(35)MTEB(56)avg
multilingual-e5-large560M58.8161.560.16
bge-m3 (dense)560M60.8059.8460.32
gte-multilingual-base (dense)305M62.7261.4062.06
KaLM-embedding-multilingual-mini-v1494M62.3161.8762.09
KaLM-embedding-multilingual-mini-instruct-v1494M63.5764.7464.16
KaLM-embedding-multilingual-mini-instruct-v1.5494M64.1364.9464.53

Requirements

Since we have used the Qwen2 model, we advise you to install transformers>=4.37.0, or you might encounter the following error:

KeyError: 'qwen2'

Usage

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('{MODEL_NAME_OR_PATH}')   # Do NOT set trust_remote_code
model.max_seq_length = 512

embeddings = model.encode(
    sentences, 
    normalize_embeddings=True,
    batch_size=256, 
    show_progress_bar=True
    )
print(embeddings)

We add instruction for classification and clustering. If you want to add instruction to the query (no instruction for the corpus), you can use the model like this:

from sentence_transformers import SentenceTransformer


sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('{MODEL_NAME_OR_PATH}')   # Do NOT set trust_remote_code
model.max_seq_length = 512

prompt = "Instruct: Classifying the category of french news. \n Query: "
embeddings = model.encode(
    sentences, 
    prompt=prompt,
    normalize_embeddings=True,
    batch_size=256, 
    show_progress_bar=True
    )
print(embeddings)

Contact

If you encounter any issue, feel free to contact us via the email: yanshek.woo@gmail.com

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2Model
Ревизия весов
685312f

0 моделей