Квантованные английские векторы FastText для получения представлений слов и сравнения семантически близких предложений.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
NeuML/fasttext-quantized — квантованный экспорт английских статических векторов FastText для библиотеки staticvectors. Модель использует 10×256 Product Quantization и формат safetensors; для инференса в Python применяется NumPy.
Она предназначена для получения векторных представлений слов и сравнения предложений, например для поиска семантически близких фраз. Это компактное представление базовой модели NeuML/fasttext, созданное из FastText English Vectors wiki-news-300d-1M-subword. Лицензия — CC BY-SA 3.0.
Статические векторы не генерируют текст и не учитывают контекст слова в предложении. Карточка не приводит размерность после квантования или измерения качества сравнения предложений.
Статические векторы не учитывают контекст употребления слова. В README не приведены результаты оценки качества сравнения предложений.
README от автора на Hugging Face, как он его опубликовал
This model is an export of these FastText English Vectors (wiki-news-300d-1M-subword.vec.zip) for staticvectors. staticvectors enables running inference in Python with NumPy. This helps it maintain solid runtime performance.
This model is a quantized version of the base model. It's using 10x256 Product Quantization.
from staticvectors import StaticVectors
model = StaticVectors("neuml/fasttext-quantized")
model.embeddings(["word"])
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · staticvectors
Архитектура staticvectors неизвестна transformers в образе рантайма.