/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
multilingual-e5-large
Библиотека
sentence-transformers
Опубликована
25 июл 2026

aragenre-e5-large-mnrl-augmented-defs

ЭмбеддингиТекст → embedding3 профессии

Дообученная многоязычная модель эмбеддингов сопоставляет арабские тексты с англоязычными определениями жанров для иерархической классификации AraGenre.

21скачиваний за 30 дней0лайковвеса обновлены11 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

AraGenre E5-Large MNRL — Augmented Definitions — текстовая модель эмбеддингов, созданная Hassan Barmandah, Israa Elhosiny, Yousra El-Ghawi и Omer Nacar из сообщества NAMAA и Университета Умм-аль-Кура. Она дообучена на базе intfloat/multilingual-e5-large с функцией MultipleNegativesRankingLoss и сопоставляет арабские тексты с расширенными англоязычными определениями жанров для иерархической классификации AraGenre: определения широкого и конкретного жанра.

Модель построена на XLM-RoBERTa-large, содержит 658,7 млн параметров, принимает текст и выдаёт эмбеддинги; размер контекста — 514 токенов. В карточке указаны арабский и английский языки. Лицензия — Apache-2.0.

Высокий результат на небольшой выборке разработки не отражает качество на реальных данных: по описанию проекта, родственные дообученные энкодеры показали лишь 0,22–0,44 hierarchical F1 на скрытом тесте с 27 972 примерами и расширенной таксономией. Авторы выпустили эту модель для воспроизводимости экспериментов и не рекомендуют её как производственный классификатор.

Сценарии применения

  • сопоставление арабского текста с определениями жанров
  • поиск широкого жанра арабского текста
  • поиск конкретного жанра в таксономии AraGenre

Ограничения

На скрытом тесте AraGenre модели этой линии показали 0,22–0,44 hierarchical F1; результат на небольшой выборке разработки не отражает реальное качество. Модель подгонялась под стиль расширенных определений, который отличается от официальных определений жанров и более крупной таксономии.

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

AraGenre E5-Large MNRL — Augmented Definitions

intfloat/multilingual-e5-large fine-tuned with MultipleNegativesRankingLoss on Arabic text paired with hand-augmented English genre definitions, for hierarchical Arabic genre classification (broad_genre + specific_genre).

Authors: Hassan Barmandah (NAMAA Community; Umm Al-Qura University), Israa Elhosiny (NAMAA Community), Yousra El-Ghawi (NAMAA Community), Omer Nacar (NAMAA Community)

⚠️ Generalization Note

This model's development-set score (0.9316 hierarchical F1) is not representative of real-world performance. Per the project's system-description paper, this entire lineage of fine-tuned/ensembled sentence encoders — which scored well on the 110-item, 6-genre AraGenre dev set — collapsed to 0.22–0.44 hierarchical F1 on the actual 27,972-item hidden test set (74 specific genres under 6 broad genres). The cause: these models were calibrated to a hand-augmented definition style that does not match the test set's official genre definitions or its much larger taxonomy.

The system that actually won for this team — 0.7013 hierarchical F1, 3rd of 18 teams on the official CodaBench leaderboard — was a separate, zero-shot DeepSeek-LLM pipeline with no fine-tuning at all (stage2_llm_zeroshot_pipeline/ in the project repo). This model is not that system. It is released here for transparency and reproducibility of the project's full experimental record, not as a recommended production classifier.

Approach

intfloat/multilingual-e5-large fine-tuned with MultipleNegativesRankingLoss (single phase) on (text, augmented definition) pairs from the 7 AraGenre TRAIN genres. This was the first recipe in its lineage to cross 0.90 hierarchical F1 on dev.

Base model

intfloat/multilingual-e5-large

Training data

AraGenre TRAIN genres only (7), with hand-augmented definitions. No dev labels were used in training.

Hyperparameters

  • Epochs: 12
  • Batch size: 32
  • Learning rate: 5e-5

Usage

python e5_large_mnrl_augmented_defs.py

See the project repository for the full script and data-loading requirements.

Citation

If you use this work, please cite our system-description paper:

@inproceedings{barmandah-etal-2026-namaa,
  title = {NAMAA at AraGenre 2026: From Encoder Baselines to Self-Consistent LLM Ensembling for Hierarchical Arabic Genre Classification},
  author = {Barmandah, Hassan and Elhosiny, Israa and El-Ghawi, Yousra and Nacar, Omer},
  booktitle = {Proceedings of the 4th Arabic Natural Language Processing Conference (ArabicNLP 2026)},
  address = {Budapest, Hungary},
  publisher = {Association for Computational Linguistics},
  year = {2026},
}

Please also cite the AraGenre 2026 shared task overview paper:

@inproceedings{elhaj-etal-2026-aragenre,
  title = {AraGenre 2026: A Hierarchical Definition-Guided Arabic Genre Classification Shared Task},
  author = {El-Haj, Mo and Ezzini, Saad and Abudalfa, Shadi and Lamsiyah, Salima and Jarrar, Mustafa},
  booktitle = {Proceedings of the 4th Arabic Natural Language Processing Conference (ArabicNLP 2026)},
  address = {Budapest, Hungary},
  publisher = {Association for Computational Linguistics},
  year = {2026},
}

License

Apache 2.0

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
XLMRobertaModel
Ревизия весов
c49e5f0

0 моделей