/ Модель

Характеристики

Контекст
512 токенов
Параметры
454 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
12 июл 2023

dfm-sentence-encoder-large

ЭмбеддингиТекст → embedding8 профессий

Датская BERT-модель, дообученная методом SimCSE для получения эмбеддингов предложений и сравнения их смысловой близости.

1 849скачиваний за 30 дней3лайкавеса обновлены4 дек 2025

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 оценки8

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MassiveScenarioClassification

    main_score

    Результат

    0,3565

    Общий результат 0,685Общий результат 0,5722Общий результат 0,4675
    MTEB

    Публичная таблицаревизия совпадает

  • ScalaClassification

    main_score

    Результат

    0,6071

    Общий результат 0,6063
    MTEB

    Публичная таблицаревизия совпадает

  • MassiveIntentClassification

    main_score

    Результат

    0,3966

    Общий результат 0,5821Общий результат 0,4564Общий результат 0,4431
    MTEB

    Публичная таблицаревизия совпадает

  • SwednClusteringP2P

    main_score

    Результат

    0,228

    Общий результат 0,2267
    MTEB

    Публичная таблицаревизия совпадает

  • DanishPoliticalCommentsClassification

    main_score

    Результат

    0,378

    MTEB

    Публичная таблицаревизия совпадает

  • SwedishSentimentClassification

    main_score

    Результат

    0,8243

    MTEB

    Публичная таблицаревизия совпадает

  • SNLRetrieval

    main_score

    Результат

    0,2159

    MTEB

    Публичная таблицаревизия совпадает

  • SwednClusteringS2S

    main_score

    Результат

    0,028

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

KennethEnevoldsen/dfm-sentence-encoder-large — датская модель для получения векторных представлений предложений. Это версия chcaa/dfm-encoder-large-v1, дообученная методом SimCSE в рамках Scandinavian Embeddings Benchmark как простой базовый ориентир. Архитектура — BERT; модель содержит около 453,9 млн параметров и принимает последовательности длиной до 512 токенов.

Модель предназначена для извлечения эмбеддингов датского текста, например для сравнения смысловой близости предложений и поиска похожих фрагментов. Опубликована в форматах PyTorch и Safetensors. Лицензия — MIT.

Сценарии применения

  • получение эмбеддингов датских предложений
  • поиск семантически похожих датских текстов
  • сравнение смысловой близости предложений
  • векторный поиск по датским документам

Ограничения

Модель описана как простой базовый ориентир SimCSE, поэтому её качество на конкретных задачах следует оценивать отдельно. Контекст ограничен 512 токенами.

Для каких профессий подходит8

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

A version of the chcaa/dfm-encoder-large-v1 trained using SimCSE. It was trained as a part of the Scandinavian Embeddings Benchmark to establish a naive baseline for SimCSE.

Hyperparameters

Trained using the SimCSE implementation with:

CUDA_VISIBLE_DEVICES=0 python train.py \
    --train_file data/dfm_paragraphs.txt \ # paragraphs extract from Danish Gigaword
    --model_name_or_path chcaa/dfm-encoder-large-v1 \
    --num_train_epochs 1 \
    --per_device_train_batch_size 128 \
    --learning_rate 1e-5 \
    --max_seq_length 32 \
    --evaluation_strategy steps \
    --metric_for_best_model stsb_spearman \
    --load_best_model_at_end \
    --pooler_type cls \
    --mlp_only_train \
    --do_mlm \
    --overwrite_output_dir \
    --temp 0.05 \
    --do_train \
    --fp16 

Citation

To cite this work please refer to the following article:

Enevoldsen, K., Kardos, M., Muennighoff, N., & Nielbo, K. (2024). The Scandinavian Embedding Benchmarks: Comprehensive Assessment of Multilingual and Monolingual Text Embedding. https://openreview.net/forum?id=pJl_i7HIA72

or use the following BibTeX:

@article{enevoldsenScandinavianEmbeddingBenchmarks2024,
	title = {The {Scandinavian} {Embedding} {Benchmarks}: {Comprehensive} {Assessment} of {Multilingual} and {Monolingual} {Text} {Embedding}},
	shorttitle = {The {Scandinavian} {Embedding} {Benchmarks}},
	url = {https://openreview.net/forum?id=pJl_i7HIA72},
	language = {en},
	urldate = {2024-04-12},
	author = {Enevoldsen, Kenneth and Kardos, Márton and Muennighoff, Niklas and Nielbo, Kristoffer},
	month = feb,
	year = {2024},
}

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
132c533

0 моделей