/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Опубликована
23 фев 2023

paraphrase-multilingual-mpnet-base-v2-embedding-all

ЭмбеддингиТекст → embedding9 профессий

Многоязычная модель эмбеддингов предложений для поиска семантически близких текстов и релевантных ответов.

120скачиваний за 30 дней8лайковвеса обновлены7 ноя 2024

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

LLukas22/paraphrase-multilingual-mpnet-base-v2-embedding-all — модель эмбеддингов на архитектуре XLM-RoBERTa, дообученная автором на базе paraphrase-multilingual-mpnet-base-v2. Она предназначена для представления предложений и поиска семантически близких текстов, в том числе для поиска ответов и дубликатов в системах вопросов и ответов. Модель насчитывает 305,2 млн параметров, поддерживает контекст до 514 токенов и рассчитана на применение через Sentence-Transformers.

Модель обучалась на SQuAD, NewsQA, CQADupStack, FiQA, SciDocs, GermanQuAD и Natural Questions; автор приводит результаты ранжирования релевантных ответов на нескольких значениях top-k. В метаданных указаны английский и немецкий языки. Модель выпущена под лицензией Apache-2.0. Она формирует векторные представления и оценки сходства, поэтому качество поиска зависит от соответствия запроса и корпуса данным обучения; приведённые результаты относятся к указанным оценочным наборам.

Сценарии применения

  • семантический поиск ответов на вопросы
  • поиск похожих предложений в многоязычном корпусе
  • поиск дубликатов вопросов
  • поиск релевантных научных документов
  • поиск ответов в финансовых и справочных текстах

Ограничения

Контекст ограничен 514 токенами. Оценочные результаты приведены для перечисленных наборов данных и не гарантируют такое же качество на других корпусах.

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

paraphrase-multilingual-mpnet-base-v2-embedding-all

This model is a fine-tuned version of paraphrase-multilingual-mpnet-base-v2 on the following datasets: squad, newsqa, LLukas22/cqadupstack, LLukas22/fiqa, LLukas22/scidocs, deepset/germanquad, LLukas22/nq.

Usage (Sentence-Transformers)

Using this model becomes easy when you have sentence-transformers installed:

pip install -U sentence-transformers

Then you can use the model like this:

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('LLukas22/paraphrase-multilingual-mpnet-base-v2-embedding-all')
embeddings = model.encode(sentences)
print(embeddings)

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1E+00
  • per device batch size: 40
  • effective batch size: 120
  • seed: 42
  • optimizer: AdamW with betas (0.9,0.999) and eps 1E-08
  • weight decay: 2E-02
  • D-Adaptation: True
  • Warmup: True
  • number of epochs: 15
  • mixed_precision_training: bf16

Training results

EpochTrain LossValidation Loss
00.0850.0625
10.05980.0554
20.04840.0518
30.04050.0485
40.03410.0463
50.02870.0454
60.02430.0445
70.02070.0426
80.01770.0424
90.01530.0421
100.01340.0417
110.0120.0411
120.0110.0414

Evaluation results

Epochtop_1top_3top_5top_10top_25
00.2610.3510.3840.4220.459
10.2720.3650.40.4390.477
20.2760.370.4040.4430.481
30.2920.3910.4260.4650.503
40.2950.3950.4310.470.51
50.2990.40.4370.4760.514
60.3060.4040.440.4780.515
70.3090.410.4450.4850.521
80.310.4110.4480.4870.524
90.3150.4170.4540.4930.529
100.3190.420.4570.4950.53
110.3230.4240.460.4970.531
120.3240.4270.4640.5010.536

Framework versions

  • Transformers: 4.25.1
  • PyTorch: 2.0.0.dev20230210+cu118
  • PyTorch Lightning: 1.8.6
  • Datasets: 2.7.1
  • Tokenizers: 0.13.1
  • Sentence Transformers: 2.2.2

Additional Information

This model was trained as part of my Master's Thesis 'Evaluation of transformer based language models for use in service information systems'. The source code is available on Github.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaModel
Ревизия весов
eb0220d

0 моделей