/ Модель

Характеристики

Размер весов
15,7 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
nvembed · dense
Базовая модель
NV-Embed-v2
Библиотека
transformers
Опубликована
8 дек 2025

nv-embed-v2

ЭмбеддингиТекст → embedding9 профессий

Перенесённая для Transformers 5+ версия NV-Embed-v2 от NVIDIA создаёт текстовые эмбеддинги для семантического поиска и RAG.

129скачиваний за 30 дней0лайковвеса обновлены9 дек 2025

Бенчмарки

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

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

Hyukkyu/nv-embed-v2 — перенос модели NV-Embed-v2 от NVIDIA, выполненный для совместимости с Transformers 5.0 и новее. Единственное заявленное изменение — добавление свойства совместимости в класс NVEmbedModel; веса модели основаны на nvidia/NV-Embed-v2 и сохранены в формате safetensors.

Модель предназначена для создания текстовых эмбеддингов, используемых в семантическом поиске, сравнении текстов и RAG-сценариях. README отсылает к исходной карточке NVIDIA за сведениями об архитектуре, обучении и оценках качества. Для использования указаны Transformers версии 5.0.0 или новее, PyTorch 2.0 или новее и Python 3.9 или новее. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями лицензии, включая некоммерческий характер.

Сценарии применения

  • Создание эмбеддингов для семантического поиска по документам
  • Подбор релевантных фрагментов для RAG-системы
  • Сравнение смысловой близости текстов
  • Поиск похожих запросов и документов

Ограничения

README не описывает языковой охват и результаты оценки этой версии; для совместимости требуются Transformers 5.0.0 или новее. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

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

NV-Embed-v2 (Migrated for transformers 5.0+ compatibility)

This is a migrated version of nvidia/NV-Embed-v2 that is compatible with transformers 5.0.0 and later versions.

Changes from Original

The only change made is adding an all_tied_weights_keys property to the NVEmbedModel class in modeling_nvembed.py. This property provides backward compatibility with the transformers library, which changed from using _tied_weights_keys (a class attribute) to all_tied_weights_keys (a property that returns a dict) in version 5.0.0.

The Patch

@property
def all_tied_weights_keys(self):
    """Compatibility property for transformers >= 5.0.0."""
    if hasattr(self, '_tied_weights_keys') and self._tied_weights_keys:
        return {key: key for key in self._tied_weights_keys}
    return {}

Usage

from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("Hyukkyu/nv-embed-v2", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("Hyukkyu/nv-embed-v2", trust_remote_code=True)

Original Model

This model is based on nvidia/NV-Embed-v2. Please refer to the original repository for:

  • Model architecture details
  • Training information
  • Benchmarks and evaluation results
  • Citation information

License

This model inherits the license from the original repository. Please check nvidia/NV-Embed-v2 for license details.

Migration Tool

This model was migrated using the GenZ model migration tool. The migration script is available at: https://github.com/your-repo/GenZ/tree/main/scripts/preprocess/model

Compatibility

  • transformers: >= 5.0.0
  • torch: >= 2.0.0
  • Python: >= 3.9

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

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

Класс архитектуры
NVEmbedModel
Ревизия весов
7d27cd8

0 моделей