/ Модель

Характеристики

Контекст
16 384 токена
Параметры
366 млн
Лицензия
Apache 2.0
Архитектура
neomme · dense
Базовая модель
NeoMME-260M-Retriever
Библиотека
sentence-transformers
Опубликована
14 авг 2026

NeoMME-260M-Retriever-ST-late

ЭмбеддингиТекст → embedding9 профессий

Мультиязычный мультимодальный энкодер Hcompany для поиска текстовых и визуальных документов по запросу с помощью многовекторных эмбеддингов.

1 128скачиваний за 30 дней6лайковвеса обновлены10 сен 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

NeoMME-260M-Retriever-ST-late — мультиязычный мультимодальный энкодер для поиска документов, разработанный Hcompany. Модель дообучена на базе Hcompany/NeoMME-260M-Retriever и использует общий двунаправленный Transformer-энкодер для текстовых запросов и документов в текстовом виде или как изображения страниц. Она предназначена для извлечения многовекторных представлений и ранжирования документов по сходству с запросом с помощью позднего взаимодействия MeanMaxSim.

Модель содержит 366 млн параметров, работает с контекстом до 16 384 токенов и распространяется в формате safetensors через Sentence Transformers. Обучение охватывало текстовый поиск и поиск по изображениям страниц; заявлена мультиязычная поддержка. Лицензия — Apache-2.0.

Версия ST-late предназначена для независимой настройки многовекторной головы. В Sentence Transformers она генерирует только многовекторные эмбеддинги; одновременно использовать обе головы поиска нельзя.

Сценарии применения

  • поиск релевантных страниц документов по текстовому запросу
  • поиск по скриншотам страниц и отсканированным документам
  • ранжирование текстовых документов по релевантности запросу
  • извлечение многовекторных представлений документов и запросов

Ограничения

Версия Sentence Transformers генерирует только многовекторные эмбеддинги; в Sentence Transformers можно использовать лишь одну из двух голов поиска одновременно.

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

NeoMME-Retriever (260M): Single-Tower Multimodal-Native Multilingual Foundation Encoder 🔎

[!IMPORTANT] NeoMME-Retriever (260M) variants:

  • Default (transformers): Returns dense and multi-vector embeddings together with a single forward pass. Recommended for most use cases and inference.
  • ST dense: Supports independent dense fine-tuning with Sentence Transformers.
  • ST late-interaction [current]: Supports independent multi-vector fine-tuning with Sentence Transformers.

Hugging Face Hugging Face arXiv

NeoMME-260M-Retriever-ST-late is a model for multimodal document retrieval. Fine-tuned from NeoMME-260M, it encodes text queries and documents (text or page screenshots) using one shared bidirectional Transformer encoder.

This model can be used with Sentence Transformers, but can only generate multi-vector embeddings.

Multi-vector embeddings are L2-normalized and use MeanMaxSim scoring.

Performance

All scores use the metric shown at the full trained dimensions. Higher is better. ViDoRe v3, v2, and v1 measure visual document retrieval, while BEIR-15 measures text retrieval.

Usage

pip install -U "sentence-transformers[image]"
from sentence_transformers import MultiVectorEncoder


model = MultiVectorEncoder("Hcompany/NeoMME-260M-Retriever-ST-late")

queries = [
    "Quelle partie de la production pétrolière du Kazakhstan provient de champs en mer ?",
    "Which hour of the day had the highest overall electricity generation in 2019?",
]
image_documents = [
    "https://github.com/tonywu71/colpali-cookbooks/blob/main/examples/data/shift_kazakhstan.jpg?raw=true",
    "https://github.com/tonywu71/colpali-cookbooks/blob/main/examples/data/energy_electricity_generation.jpg?raw=true",
]

query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(image_documents)
late_scores = model.similarity(query_embeddings, document_embeddings)

# Expected: late_scores[0, 0] > late_scores[0, 1] and late_scores[1, 1] > late_scores[1, 0].
print(late_scores)

The score tensor has shape (num_queries, num_documents) and late_scores[i, j] is the score between query i and document j. A larger value indicates a closer match.

Text documents use the same API:

text_documents = [
    "Kazakhstan produces oil from both onshore and offshore fields.",
    "Electricity generation varies throughout the day.",
]
text_document_embeddings = model.encode_document(text_documents)

The Transformers repository returns dense and multi-vector embeddings together. Use it directly when both representations are needed from one backbone pass.

Training

NeoMME-260M-Retriever was fine-tuned from NeoMME-260M on text retrieval and document-page images. Training uses a joint late-interaction and Matryoshka dense contrastive objective.

The NeoMME technical report describes the full fine-tuning recipe.

Limitations

With Sentence Transformers, only one of the two retrieval heads can be used at a time.

License

Model weights are released under the Apache 2.0 license.

Citation

@misc{lac2026neommesingletowermultimodalnativemultilingual,
      title={NeoMME: A Single-Tower Multimodal-Native Multilingual Foundation Encoder for Efficient Fine-Tuning and Inference},
      author={Aurélien Lac and Tony Wu},
      year={2026},
      eprint={2609.01657},
      archivePrefix={arXiv},
      primaryClass={cs.IR},
      url={https://arxiv.org/abs/2609.01657},
}

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
NeoMMEModel
Ревизия весов
023be2a

0 моделей