/ Модель

Характеристики

Контекст
512 токенов
Параметры
16,4 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
Bulbasaur
Библиотека
sentence-transformers
Опубликована
29 апр 2024

Venusaur

ЭмбеддингиТекст → embedding9 профессий

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

212скачиваний за 30 дней4лайкавеса 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 оценки32

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

  • SprintDuplicateQuestions

    main_score

    Результат

    0,8943

    MTEB

    Публичная таблицаревизия не подтверждена

  • MassiveIntentClassification

    main_score

    Результат

    0,1641

    Общий результат 0,4688Общий результат 0,4671Общий результат 0,46
    MTEB

    Публичная таблицаревизия совпадает

  • SwahiliNewsClassification

    main_score

    Результат

    0,4579

    MTEB

    Публичная таблицаревизия совпадает

  • GujaratiNewsClassification

    main_score

    Результат

    0,4003

    MTEB

    Публичная таблицаревизия совпадает

  • OpusparcusPC

    main_score

    Результат

    0,8838

    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLRetrieval

    main_score

    Результат

    0,0029

    MTEB

    Публичная таблицаревизия совпадает

  • STS22

    main_score

    Результат

    0,1151

    MTEB

    Публичная таблицаревизия совпадает

  • Tatoeba

    main_score

    Результат

    0,1657

    Общий результат 0,0249Общий результат 0,0212Общий результат 0,0077
    MTEB

    Публичная таблицаревизия совпадает

  • SIB200ClusteringS2S

    main_score

    Результат

    0,0575

    Общий результат 0,043Общий результат 0,0274
    MTEB

    Публичная таблицаревизия совпадает

  • NusaTranslationBitextMining

    main_score

    Результат

    0,6053

    Общий результат 0,8788
    MTEB

    Публичная таблицаревизия совпадает

  • WikiClusteringP2P.v2

    main_score

    Результат

    0,087

    Общий результат 0,215Общий результат 0,132
    MTEB

    Публичная таблицаревизия совпадает

  • MasakhaNEWSClusteringS2S

    main_score

    Результат

    0,125

    MTEB

    Публичная таблицаревизия совпадает

  • Touche2020

    main_score

    Результат

    0,1051

    MTEB

    Публичная таблицаревизия не подтверждена

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,0025

    Общий результат 0,0235Общий результат 0,003
    MTEB

    Публичная таблицаревизия совпадает

  • MassiveScenarioClassification

    main_score

    Результат

    0,482

    Общий результат 0,7236Общий результат 0,5142
    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLReranking

    main_score

    Результат

    0,3461

    MTEB

    Публичная таблицаревизия совпадает

  • MultiEURLEXMultilabelClassification

    main_score

    Результат

    0,0308

    MTEB

    Публичная таблицаревизия совпадает

  • XPQARetrieval

    main_score

    Результат

    0,267

    MTEB

    Публичная таблицаревизия совпадает

  • XNLI

    main_score

    Результат

    0,5174

    Общий результат 0,5305
    MTEB

    Публичная таблицаревизия совпадает

  • LEMBPasskeyRetrieval

    main_score

    Результат

    0,04

    MTEB

    Публичная таблицаревизия совпадает

  • STSBenchmarkMultilingualSTS

    main_score

    Результат

    0,5843

    MTEB

    Публичная таблицаревизия совпадает

  • WikipediaRetrievalMultilingual

    main_score

    Результат

    0,0545

    MTEB

    Публичная таблицаревизия совпадает

  • MultiHateClassification

    main_score

    Результат

    0,5936

    MTEB

    Публичная таблицаревизия совпадает

  • ClimateFEVER

    main_score

    Результат

    0,0835

    MTEB

    Публичная таблицаревизия не подтверждена

  • SCIDOCS

    main_score

    Результат

    0,0939

    MTEB

    Публичная таблицаревизия не подтверждена

  • STS22.v2

    main_score

    Результат

    0,6256

    MTEB

    Публичная таблицаревизия совпадает

  • KLUE-TC

    main_score

    Результат

    0,2245

    MTEB

    Публичная таблицаревизия совпадает

  • MLSUMClusteringS2S

    main_score

    Результат

    0,3397

    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLRetrievalHardNegatives

    main_score

    Результат

    0,1248

    MTEB

    Публичная таблицаревизия совпадает

  • MSMARCO

    main_score

    Результат

    0,1696

    MTEB

    Публичная таблицаревизия не подтверждена

  • CUREv1

    main_score

    Результат

    0,0316

    MTEB

    Публичная таблицаревизия совпадает

  • SciFact

    main_score

    Результат

    0,46

    MTEB

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Venusaur — компактная модель эмбеддингов на основе архитектуры BERT от автора Mihaiii, созданная дистилляцией Mihaiii/Bulbasaur на наборе данных qa-assistant. Она предназначена для семантического автодополнения: преобразует английские тексты в векторы, которые можно использовать для сравнения смысловой близости предложений и поиска релевантных вариантов. Модель содержит 16,4 млн параметров, поддерживает работу через Sentence-Transformers и Transformers; доступны форматы safetensors и ONNX.

Модель рассчитана исключительно на английский язык. Контекст ограничен 512 токенами, а более длинные тексты обрезаются. Лицензия — MIT.

Сценарии применения

  • семантическое автодополнение английского текста
  • поиск смыслово близких предложений
  • ранжирование вариантов продолжения запроса по смыслу

Ограничения

Работает только с английскими текстами. Тексты длиннее 512 токенов обрезаются.

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

Venusaur

This is a distill of Bulbasaur 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/Venusaur')
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/Venusaur')
model = AutoModel.from_pretrained('Mihaiii/Venusaur')

# 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
0dc817f

0 моделей