/ Модель

Характеристики

Контекст
512 токенов
Параметры
40 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
29 июл 2026

paralel-tr-en-embedder

ЭмбеддингиТекст → embedding9 профессий

Двуязычная модель эмбеддингов турецких и английских предложений для семантического поиска, выравнивания параллельных текстов и кластеризации.

117скачиваний за 30 дней0лайковвеса обновлены29 июл 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

Paralel TR-EN Embedder — двуязычная модель эмбеддингов предложений на турецком и английском языках, разработанная на базе BAAI/bge-small-en-v1.5 и дообученная на 882 тысячах параллельных пар переводов. Она использует архитектуру BERT и выдаёт векторные представления размерности 384; максимальная длина последовательности — 64 токена, а нативный контекст по метаданным — 512 токенов. Доступны форматы Safetensors и GGUF.

Модель предназначена для поиска семантически близких предложений между турецким и английским языками, выравнивания параллельных корпусов, кластеризации двуязычных документов и первичного поиска для RAG. В проверке на отложенных данных средняя косинусная близость составила около 0,82 для правильных переводов и 0,12 для несвязанных пар.

Модель хуже различает тонкие смысловые различия, например смену местоимения, времени или отрицания: оценки сложных отрицательных примеров могут быть близки к оценкам правильных переводов. Поэтому её оценки подходят для грубого поиска и кластеризации, но не для точной проверки корректности перевода. Лицензия — MIT.

Сценарии применения

  • семантический поиск между турецкими и английскими предложениями
  • выравнивание пар переводов в параллельном корпусе
  • кластеризация двуязычных документов
  • первичный поиск документов для мультиязычного RAG
  • грубое ранжирование кандидатных переводов по смысловой близости

Ограничения

Модель недостаточно надёжно различает тонкие смысловые изменения, включая смену местоимения, времени и отрицания; оценки сходства не подходят для точной проверки качества перевода. Используйте их как сигнал для грубого поиска или кластеризации.

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

Paralel TR-EN Embedder

A bilingual Turkish-English sentence embedding model fine-tuned on 882K parallel translation pairs. Built on BAAI/bge-small-en-v1.5.

Model Overview

PropertyValue
Base ModelBAAI/bge-small-en-v1.5
Embedding Dimension384
Max Sequence Length64 tokens
Parameters33M
Training Data882,555 parallel TR-EN pairs
Loss FunctionMultipleNegativesRankingLoss
GGUF Size64 MB (F16)

Quick Start

Install and load the model:

pip install sentence-transformers

Then in Python:

from sentence_transformers import SentenceTransformer
model = SentenceTransformer("Legenddefsx/paralel-tr-en-embedder")
tr_emb = model.encode("Merhaba, nasilsin?")
en_emb = model.encode("Hello, how are you?")
similarity = model.similarity(tr_emb, en_emb)

GGUF Format

Download and use with llama.cpp:

wget https://huggingface.co/Legenddefsx/paralel-tr-en-embedder/resolve/main/model.gguf
from llama_cpp import Llama
import numpy as np
model = Llama(model_path="./model.gguf", embedding=True)
emb = model.create_embedding("Hello world")["data"][0]["embedding"]

Performance

Evaluated on a held-out set (not seen during training), including correct translations, hard negatives (structurally similar but semantically wrong translations - e.g. wrong tense, wrong pronoun, negation flipped), and unrelated sentence pairs as a control group.

CategoryAvg. Cosine Similarity
Correct translations (held-out)~0.82
Hard negatives (similar structure, wrong meaning)~0.68
Unrelated sentence pairs~0.12

Known limitation: the model separates unrelated content well, but fine-grained distinctions (pronoun swaps, tense flips, negation) are not yet fully reliable - some hard-negative pairs score close to or above correct-translation pairs. Treat similarity scores as a relevance signal for coarse retrieval/clustering rather than a precise correctness check. Further hard-negative training is in progress.

Use Cases

  • Cross-lingual semantic search (coarse retrieval)
  • Parallel corpus alignment
  • Bilingual document clustering
  • Multilingual RAG (as a first-pass retriever, ideally paired with a reranker)

Not recommended as-is for tasks requiring fine-grained correctness judgments (e.g. automatic translation quality scoring).

License

MIT License


Model fine-tuned: 2026-07-29

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
87a4774

0 моделей