/ Модель

Характеристики

Контекст
8 192 токена
Параметры
149 млн
Лицензия
MIT
Архитектура
modernbert · dense
Базовая модель
ModernBERT-base
Библиотека
sentence-transformers
Опубликована
27 авг 2026

sciembed-base

ЭмбеддингиТекст → embedding5 профессий

Англоязычная модель эмбеддингов научных документов для поиска и оценки сходства, дообученная на контекстах цитирования.

169скачиваний за 30 дней1лайквеса обновлены27 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

SciEmbed-BASE — англоязычная модель эмбеддингов научных документов на базе ModernBERT-base, выпущенная как часть проекта SciEmbed. Она дообучена на 7 млн пар примеров за 3 эпохи с контрастивным обучением, где основной сигнал составляют предложения из контекстов цитирования. Модель предназначена для представления научных текстов в виде векторов и задач поиска и оценки сходства; в README приведены результаты SciRepEval по классификации, регрессии, близости и поиску.

Модель использует encoder-only архитектуру ModernBERT, содержит 149 млн параметров и поддерживает контекст до 8192 токенов. Её можно загружать через Sentence Transformers и получать нормализованные эмбеддинги. Лицензия — MIT. Карточка описывает базовый вариант SciEmbed, обученный только на сигнале цитатных связей; сравнительное превосходство над другими моделями не заявлено.

Сценарии применения

  • поиск научных статей по текстовому запросу
  • поиск похожих научных документов
  • оценка сходства между научными фрагментами
  • классификация и регрессия на эмбеддингах научных текстов

Ограничения

Обучение использует только сигнал цитатных связей; README не приводит сравнения с другими моделями, поэтому качество для конкретной коллекции документов следует оценить отдельно.

Для каких профессий подходит5

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

SciEmbed-BASE

Signal A only (citation edges), 7M pairs, 3 epochs. The citation-edge baseline that isolates what Signal B adds.

A 149M-parameter ModernBERT-base scientific document embedder trained with citation-context sentences as the primary contrastive signal. Part of the SciEmbed release (Findings of EMNLP 2026).

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("J0nasW/sciembed-base")
emb = model.encode(["citation-context supervision for scientific embeddings"],
                   normalize_embeddings=True)
  • Context length: 512 tokens
  • Pooling: mean · Output dim: 768 (Matryoshka-truncatable to 512/256/128)
  • License: MIT

SciRepEval (4-category macro)

Classif.Regr.Prox.SearchOverall
75.326.880.282.266.1 ± 0.09

Citation

See the repository README. Paper: SciEmbed: Citation-Context Supervision for Scientific Document Embeddings, Findings of the Association for Computational Linguistics: EMNLP 2026.

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
ModernBertModel
Ревизия весов
0945f87

0 моделей