/ Модель

Характеристики

Контекст
514 токенов
Параметры
435 млн
Лицензия
Apache 2.0
Архитектура
camembert · dense
Опубликована
25 окт 2023

CrossEncoder-camembert-large

Классификация текстаТекст → label6 профессий

Франкоязычный кросс-энкодер CamemBERT оценивает семантическое сходство пары предложений по шкале от 0 до 1.

32скачиваний за 30 дней6лайковвеса обновлены2 апр 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

Lajavaness/CrossEncoder-camembert-large — франкоязычная модель-кросс-энкодер на архитектуре CamemBERT для оценки семантического сходства двух предложений. Она выдаёт оценку от 0 до 1 и подходит для сравнения фраз и ранжирования текстовых пар по близости смысла.

Модель дообучена на STS Benchmark с использованием Augmented SBERT и стратегий подбора пар; в карточке указано улучшение устойчивости и качества относительно dangvantuan/CrossEncoder-camembert-large. Размер по метаданным — 435,4 млн параметров, максимальный контекст — 514 токенов. Для оценки приведены результаты корреляции Пирсона и Спирмена на французских наборах STS и SICK.

Модель принимает текстовые пары и выдаёт числовую оценку релевантности, поэтому для каталога она подходит к задачам text-ranking и text-classification. Лицензия — Apache-2.0. Карточка не описывает ограничения за пределами специализации на французском семантическом сходстве предложений.

Сценарии применения

  • оценка сходства двух французских предложений
  • ранжирование кандидатов ответа по сходству с запросом
  • поиск перефразировок во французских текстах
  • сравнение фраз для семантического поиска
  • оценка близости смысла предложений в корпусе

Ограничения

Модель специализирована на оценке сходства предложений на французском языке и ограничена контекстом до 514 токенов. Она оценивает пару текстов, а не создаёт эмбеддинги предложений для независимого сопоставления.

Для каких профессий подходит6

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

Model

Cross-Encoder Model for sentence-similarity

This model was is an improvement over the dangvantuan/CrossEncoder-camembert-large offering greater robustness and better performance

Training Data

This model was trained on the STS benchmark dataset and has been combined with Augmented SBERT. The model benefits from Pair Sampling Strategies using two models: CrossEncoder-camembert-large and dangvantuan/sentence-camembert-large. The model will predict a score between 0 and 1 how for the semantic similarity of two sentences.

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 CrossEncoder
model = CrossEncoder('Lajavaness/CrossEncoder-camembert-large', max_length=512)
scores = model.predict([('Un avion est en train de décoller.', "Un homme joue d'une grande flûte."), ("Un homme étale du fromage râpé sur une pizza.", "Une personne jette un chat au plafond") ])

Evaluation

The model can be evaluated as follows on the French test data of stsb.

from sentence_transformers.readers import InputExample
from sentence_transformers.cross_encoder.evaluation import CECorrelationEvaluator
from datasets import load_dataset
def convert_dataset(dataset):
    dataset_samples=[]
    for df in dataset:
        score = float(df['similarity_score'])/5.0  # Normalize score to range 0 ... 1
        inp_example = InputExample(texts=[df['sentence1'], 
                                    df['sentence2']], label=score)
        dataset_samples.append(inp_example)
    return dataset_samples

# Loading the dataset for evaluation
df_dev = load_dataset("stsb_multi_mt", name="fr", split="dev")
df_test = load_dataset("stsb_multi_mt", name="fr", split="test")

# Convert the dataset for evaluation

# For Dev set:
dev_samples = convert_dataset(df_dev)
val_evaluator = CECorrelationEvaluator.from_input_examples(dev_samples, name='sts-dev')
val_evaluator(model, output_path="./")

# For Test set, the Pearson and Spearman correlation are evaluated on many different benchmark datasets:

test_samples = convert_dataset(df_test)
test_evaluator = CECorrelationEvaluator.from_input_examples(test_samples, name='sts-test')
test_evaluator(models, output_path="./")

Test Result: The performance is measured using Pearson and Spearman correlation:

  • On dev
ModelPearson correlationSpearman correlation#params
Lajavaness/CrossEncoder-camembert-large90.3490.15336M
dangvantuan/CrossEncoder-camembert-large90.1190.01336M
  • On test:

Pearson score

ModelSTS-BSTS12-frSTS13-frSTS14-frSTS15-frSTS16-frSICK-fr
Lajavaness/CrossEncoder-camembert-large88.6390.7688.2490.2292.2382.3184.61
dangvantuan/CrossEncoder-camembert-large88.1690.1288.3689.8692.0482.0184.23

Spearman score

ModelSTS-BSTS12-frSTS13-frSTS14-frSTS15-frSTS16-frSICK-fr
Lajavaness/CrossEncoder-camembert-large88.0384.8787.8889.1092.1682.5080.78
dangvantuan/CrossEncoder-camembert-large87.5784.2488.0188.6291.9982.1680.38

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
CamembertForSequenceClassification
Ревизия весов
17fa6de

0 моделей