/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
24 авг 2026

mentee-embed-v2

Сходство предложенийТекст → score

Компактная модель MenteEAI для создания эмбеддингов арабских, английских и урду предложений и семантического поиска.

0скачиваний за 30 дней0лайковвеса обновлены25 авг 2026

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

mentee-embed-v2 — 125 млн параметров, текстовая модель эмбеддингов размерности 768 для арабского, английского и урду, разработанная MenteEAI и обученная с нуля без предварительно обученной базовой модели. Обучение включало маскированное языковое моделирование, затем контрастивное дообучение на парах и триплетах, в том числе на англо-урду параллельных данных OPUS-100.

Модель предназначена для получения векторных представлений предложений и поиска семантически близких текстов, включая многоязычный поиск и поиск по параллельным фрагментам. В приведённом авторами сравнении на тесте поиска по корпусу из 15 тысяч документов она заметно уступает указанным многоязычным базовым моделям; авторы также предупреждают о разрыве в открытом поиске по сравнению с моделями, обученными на веб-масштабных данных. Лицензия — Apache-2.0.

Сценарии применения

  • семантический поиск по арабским документам
  • поиск похожих предложений на английском
  • поиск по текстам на урду
  • многоязычный поиск между английским и урду
  • ранжирование кандидатов по сходству предложений

Ограничения

В опубликованном авторами тесте поиска по корпусу из 15 тысяч документов модель существенно уступает сравниваемым многоязычным базовым моделям. Обучающие данные включают наборы, производные от NLI и параллельных корпусов; качество открытого поиска может быть ограничено по сравнению с моделями, обученными на веб-масштабных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mentee-embed-v2 (125M) — trilingual embeddings trained from scratch

A compact 125M-parameter, 768-dim text embedding model for Arabic, English and Urdu, trained entirely from scratch (no pretrained base) in two stages on a single consumer GPU.

Recipe

  1. Stage A — Masked language modeling on ~31M tokens across the three languages
  2. Stage B — Contrastive fine-tuning (symmetric InfoNCE, in-batch negatives + hard-negative column, temperature 0.02) on 1797858 triplets incl. 300K English↔Urdu parallel pairs (OPUS-100)

Results (Protocol B — 15K-doc corpus-pool retrieval, higher is better)

| 1 | paraphrase-multilingual-mpnet-base-v2 | MRR 0.904 · R@5 0.960 · R@100 0.997 | MRR 0.677 · R@5 0.763 · R@100 0.917 | MRR 0.556 · R@5 0.623 · R@100 0.847 | 0.712 | | 2 | paraphrase-multilingual-MiniLM-L12-v2 | MRR 0.896 · R@5 0.943 · R@100 0.993 | MRR 0.659 · R@5 0.730 · R@100 0.930 | MRR 0.499 · R@5 0.577 · R@100 0.800 | 0.685 | | 3 | all-MiniLM-L6-v2 | MRR 0.916 · R@5 0.967 · R@100 1.000 | MRR 0.100 · R@5 0.000 · R@100 0.000 | MRR 0.100 · R@5 0.000 · R@100 0.007 | 0.372 | | 4 | mentee-embed-v2 (ours) ⭐ ours | MRR 0.236 · R@5 0.280 · R@100 0.747 | MRR 0.116 · R@5 0.040 · R@100 0.330 | MRR 0.124 · R@5 0.050 · R@100 0.400 | 0.159 |

Our model reaches 0.159 vs leader paraphrase-multilingual-mpnet-base-v2 at 0.712 on this suite. Protocol details: queries ranked against the full pool; baselines run with their recommended usage (E5 query/passage prefixes applied).

Usage

from sentence_transformers import SentenceTransformer
model = SentenceTransformer("<your-hf-user>/mentee-embed-v1")
emb = model.encode(["مرحبا بالعالم", "hello world", "دنیا میں خوش آمدید"])

Limitations

NLI+parallel derived training data; small-pool protocol is easier than full MIRACL; expect open-domain gaps versus web-scale models.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
a38d3cb

0 моделей