/ Модель

Характеристики

Контекст
512 токенов
Параметры
18,8 млн
Лицензия
MIT
Архитектура
bert · dense
Библиотека
sentence-transformers
Опубликована
27 апр 2024

Bulbasaur

ЭмбеддингиТекст → embedding5 профессий

Компактная англоязычная модель эмбеддингов для семантического автодополнения и сравнения смысловой близости текстов.

283скачиваний за 30 дней2лайкавеса обновлены30 апр 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 оценки31

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MLQARetrieval

    main_score

    Результат

    0,3381

    Общий результат 0,0201Общий результат 0,0189
    MTEB

    Публичная таблицаревизия совпадает

  • XQuADRetrieval

    main_score

    Результат

    0,5196

    Общий результат 0,586
    MTEB

    Публичная таблицаревизия совпадает

  • ToxicConversationsClassification

    main_score

    Результат

    0,6629

    MTEB

    Публичная таблицаревизия не подтверждена

  • DalajClassification

    main_score

    Результат

    0,5017

    MTEB

    Публичная таблицаревизия совпадает

  • MalayalamNewsClassification

    main_score

    Результат

    0,4163

    MTEB

    Публичная таблицаревизия совпадает

  • MultiHateClassification

    main_score

    Результат

    0,5471

    MTEB

    Публичная таблицаревизия совпадает

  • SIB200ClusteringS2S

    main_score

    Результат

    0,0455

    Общий результат 0,4336Общий результат 0,0958Общий результат 0,0809
    MTEB

    Публичная таблицаревизия совпадает

  • MultiEURLEXMultilabelClassification

    main_score

    Результат

    0,0188

    Общий результат 0,0248
    MTEB

    Публичная таблицаревизия совпадает

  • WikiClusteringP2P.v2

    main_score

    Результат

    0,1051

    MTEB

    Публичная таблицаревизия совпадает

  • Tatoeba

    main_score

    Результат

    0,0707

    Общий результат 0,0519Общий результат 0,0038
    MTEB

    Публичная таблицаревизия совпадает

  • XPQARetrieval

    main_score

    Результат

    0,2383

    Общий результат 0,464Общий результат 0,0636
    MTEB

    Публичная таблицаревизия совпадает

  • MasakhaNEWSClassification

    main_score

    Результат

    0,2721

    Общий результат 0,5625
    MTEB

    Публичная таблицаревизия совпадает

  • NusaX-senti

    main_score

    Результат

    0,5443

    MTEB

    Публичная таблицаревизия совпадает

  • AmazonReviewsClassification

    main_score

    Результат

    0,3014

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveIntentClassification

    main_score

    Результат

    0,1493

    Общий результат 0,4443
    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLRetrieval

    main_score

    Результат

    0,0022

    Общий результат 0,0234
    MTEB

    Публичная таблицаревизия совпадает

  • NollySentiBitextMining

    main_score

    Результат

    0,0672

    MTEB

    Публичная таблицаревизия совпадает

  • TweetSentimentClassification

    main_score

    Результат

    0,4398

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveScenarioClassification

    main_score

    Результат

    0,2785

    Общий результат 0,0931
    MTEB

    Публичная таблицаревизия совпадает

  • SICK-E-PL

    main_score

    Результат

    0,5077

    MTEB

    Публичная таблицаревизия совпадает

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,031

    MTEB

    Публичная таблицаревизия совпадает

  • MLSUMClusteringP2P

    main_score

    Результат

    0,2064

    MTEB

    Публичная таблицаревизия совпадает

  • SemRel24STS

    main_score

    Результат

    0,2169

    Общий результат 0,4746
    MTEB

    Публичная таблицаревизия совпадает

  • MTOPDomainClassification

    main_score

    Результат

    0,9079

    MTEB

    Публичная таблицаревизия совпадает

  • LEMBPasskeyRetrieval

    main_score

    Результат

    0,04

    Общий результат 0,14
    MTEB

    Публичная таблицаревизия совпадает

  • Robust04InstructionRetrieval

    main_score

    Результат

    −0,0803

    MTEB

    Публичная таблицаревизия совпадает

  • MTOPIntentClassification

    main_score

    Результат

    0,5661

    MTEB

    Публичная таблицаревизия совпадает

  • MasakhaNEWSClusteringP2P

    main_score

    Результат

    0,4263

    MTEB

    Публичная таблицаревизия совпадает

  • SummEval

    main_score

    Результат

    0,3097

    MTEB

    Публичная таблицаревизия не подтверждена

  • XNLI

    main_score

    Результат

    0,6048

    MTEB

    Публичная таблицаревизия совпадает

  • NusaParagraphEmotionClassification

    main_score

    Результат

    0,3232

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Bulbasaur — компактная модель эмбеддингов, созданная автором Mihaiii дистилляцией gte-tiny на датасете qa-assistant. Она предназначена для семантического автодополнения: преобразует английский текст в векторы, которые можно использовать для сравнения смысловой близости запросов и вариантов продолжения. Модель построена на архитектуре BERT, содержит 18,8 млн параметров и принимает текст длиной до 512 токенов; доступны форматы Safetensors и ONNX.

Модель подходит для семантического поиска и подбора релевантных подсказок в интерфейсах автодополнения. Лицензия MIT разрешает широкое использование. Она рассчитана исключительно на английский язык, а входные тексты длиннее 512 токенов обрезаются.

Сценарии применения

  • семантическое автодополнение поисковых запросов
  • подбор релевантных продолжений ввода
  • сравнение смысловой близости запросов и подсказок

Ограничения

Модель предназначена только для английского текста. Вход длиннее 512 токенов обрезается.

Для каких профессий подходит5

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

Bulbasaur

This is a distill of gte-tiny trained using qa-assistant.

Intended purpose

This model is designed for use in semantic-autocomplete (click here for demo).

Usage (Sentence-Transformers) (same as gte-tiny)

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('Mihaiii/Bulbasaur')
embeddings = model.encode(sentences)
print(embeddings)

Usage (HuggingFace Transformers) (same as gte-tiny)

Without sentence-transformers, you can use the model like this: First, you pass your input through the transformer model, then you have to apply the right pooling-operation on-top of the contextualized word embeddings.

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)


# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('Mihaiii/Bulbasaur')
model = AutoModel.from_pretrained('Mihaiii/Bulbasaur')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, mean pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

Limitation (same as gte-small)

This model exclusively caters to English texts, and any lengthy texts will be truncated to a maximum of 512 tokens.

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
6876f83

0 моделей