/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
all-MiniLM-L6-v2
Опубликована
5 авг 2026

pixafind-minilm-tuned

ЭмбеддингиТекст → embedding4 профессии

Англоязычный BERT-энкодер, дообученный для семантического поиска по личным налоговым, страховым, финансовым и государственным документам.

73скачиваний за 30 дней0лайковвеса обновлены5 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

Ishannaik/pixafind-minilm-tuned — англоязычная дообученная модель на базе all-MiniLM-L6-v2 для семантического поиска по личным документам: налоговым формам, письмам о пособиях, страховым и финансовым бумагам. Модель использует плотный BERT-энкодер и создаёт векторы предложений; её можно применять для поиска документов по запросам, сформулированным своими словами, и сравнения текстов. Контекст составляет 512 токенов, размер — 25,9 млн параметров.

Дообучение проводилось на синтетических запросах к фрагментам общедоступных документов правительства США, без использования пользовательских данных. В описанной проверке модель повысила точность поиска относительно исходной all-MiniLM-L6-v2 на наборе перефразированных запросов; для корпуса технических заметок разработчиков качество осталось на прежнем уровне. Репозиторий содержит веса Safetensors и экспорты ONNX, включая динамически квантованный вариант. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск налоговых документов по вопросу на естественном языке
  • поиск писем о государственных пособиях и льготах
  • поиск документов Medicare и страховых решений
  • поиск финансовых и страховых бумаг по смыслу
  • сравнение и ранжирование документов по семантическому сходству

Ограничения

Модель рассчитана на англоязычные запросы и документы; контекст ограничен 512 токенами. Преимущества в README оценивались на небольшом наборе документов США, поэтому качество для других тематик и языков не установлено.

Для каких профессий подходит4

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

pixafind-minilm-tuned

A fine-tune of all-MiniLM-L6-v2 for document retrieval over everyday personal files: tax forms, benefits letters, insurance and financial paperwork. It powers the semantic tier of PixaFind, a local, privacy-first file search app.

Results

Scored on a held-out fixture of 229 human-written paraphrase queries against a 425-file pool of real public documents (IRS, SSA, Medicare, CFPB, NIST, Census). Exact McNemar test, vectors truncated to 256d as served in production.

Modelhit@1hit@5hit@20
potion-base-8M (static)4786131
all-MiniLM-L6-v2 (stock)63130177
this model75148189

Top-5 accuracy against the stock base model goes from 57% to 65% (p = 0.0014, 24 wins vs 6 losses). Out-of-domain retrieval on a developer-markdown corpus stayed neutral, so the gain does not come at the cost of other content types.

Training

GPL-style synthetic queries: an LLM wrote 2 practice questions per passage for 3,681 passages chunked from 239 public US government documents. After filtering (fixture leakage, duplicates, copied 4-grams), 6,075 pairs trained MultipleNegativesRankingLoss for 3 epochs at batch 128 on a Kaggle T4. Training took 1.6 minutes.

Plain MNRL won the recipe bake-off. Hard-negative mining and GISTEmbedLoss tied with it, margin-MSE distillation collapsed, and a static model2vec distillation lost the contextual gains entirely.

No user data was involved at any point. Every training document is public.

Files

  • model.safetensors plus sentence-transformers config: PyTorch path
  • onnx/model.onnx: fp32 ONNX export, byte-exact retrieval parity with PyTorch on the fixture
  • onnx/model_quint8_avx2.onnx: dynamic uint8 quantization, 23 MB, statistically tied with fp32 on retrieval (same CPU speed, the win is disk)

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("Ishannaik/pixafind-minilm-tuned")
emb = model.encode(["how do I appeal a medicare decision"], normalize_embeddings=True)

PixaFind serves the first 256 dimensions of the 384d output, re-normalized.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
9ae8b0a

0 моделей