/ Модель

Характеристики

Контекст
512 токенов
Параметры
40 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bge-small-en-v1.5
Библиотека
sentence-transformers
Опубликована
17 мая 2026

bge-small-code-search-v1

ЭмбеддингиТекст → embedding6 профессий

Компактная дообученная BERT-модель создаёт эмбеддинги для поиска Python-кода по описанию на естественном языке.

124скачиваний за 30 дней0лайковвеса обновлены17 мая 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

Matthieufromparis разработал bge-small-code-search-v1 — компактную плотную BERT-модель для семантического поиска по исходному коду. Она дообучена на Python-подмножестве CodeSearchNet на базе BAAI/bge-small-en-v1.5 и создаёт 384-мерные эмбеддинги текстовых запросов на естественном языке и фрагментов кода в общем пространстве. Модель рассчитана на асимметричный поиск: пользователь описывает нужную функцию, а система находит подходящие участки кода; также её можно применять для поиска документации, похожих реализаций и извлечения кода для RAG-ассистентов.

В README приведены результаты оценки на 500 отложенных парах Python-кода и комментариев, однако они не гарантируют такое же качество на других данных и языках программирования. Модель содержит около 40 млн параметров, принимает текст и имеет контекстное окно 512 токенов. Лицензия — Apache 2.0.

Сценарии применения

  • поиск Python-функций по текстовому описанию
  • поиск исходного кода по документации
  • сопоставление комментариев с фрагментами кода
  • поиск похожих реализаций для выявления дубликатов
  • извлечение релевантного кода для RAG-ассистента

Ограничения

Обучение проводилось на Python, поэтому качество на других языках программирования может быть ниже. Модель компактная, с 384-мерными эмбеддингами и контекстом 512 токенов; приведённые метрики получены на ограниченной выборке CodeSearchNet и могут не переноситься на другие корпуса.

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

bge-small-code-search-v1

A BGE-small-en-v1.5 model fine-tuned on CodeSearchNet (Python) for semantic code search.

🔍 What It Does

Maps natural language queries and code snippets into the same 384-dimensional vector space. Search your codebase by describing what a function does.

from sentence_transformers import SentenceTransformer
model = SentenceTransformer("Matthieufromparis/bge-small-code-search-v1")

query = "parse JSON config file and return a dictionary"
code_snippets = [...]  # your codebase
query_emb = model.encode(query)
code_embs = model.encode(code_snippets)
similarities = model.similarity(query_emb, code_embs)

📊 Performance

MetricBase (BGE-small)Fine-TunedImprovement
NDCG@100.97610.9849+0.9%
Accuracy@10.9480.960+1.3%
MRR@100.9750.978+0.3%

Evaluated on 500 held-out Python code-comment pairs from CodeSearchNet.

🏗️ Training

  • Base Model: BAAI/bge-small-en-v1.5 (33M params, 384 dims)
  • Dataset: CodeSearchNet — Python subset, 6,000 pairs
  • Loss: MultipleNegativesRankingLoss
  • Epochs: 3 | Batch Size: 4 | LR: 2e-5
  • Hardware: Apple M4 (MPS), ~33 min

🚀 Quick Start

pip install sentence-transformers
from sentence_transformers import SentenceTransformer
model = SentenceTransformer("Matthieufromparis/bge-small-code-search-v1")
query_embedding = model.encode("function that sorts a list of dictionaries by a key")
code_embedding = model.encode("def sort_dicts_by_key(dicts, key): return sorted(dicts, key=lambda x: x.get(key, ''))")
similarity = model.similarity(query_embedding, code_embedding)
print(f"Similarity: {similarity.item():.4f}")

📦 Use Cases

  • Semantic Code Search — Find functions by describing what they do
  • Code Documentation Lookup — Match docs to relevant code
  • Code Deduplication — Find similar implementations across repos
  • RAG for Coding Assistants — Retrieve relevant code for LLM context

🎯 Intended Use

Designed for asymmetric search — queries are natural language, documents are code.

⚠️ Limitations

  • Trained on Python only — may not generalize to other languages
  • 384 dimensions — trades quality for speed vs larger models
  • Training data from CodeSearchNet (2019 vintage)

📚 Resources


Author: Matthieu.AI (Matthieufromparis) — License: Apache 2.0

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
BertModel
Ревизия весов
e1a4d12

0 моделей