/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
sentence-transformers
Опубликована
3 июл 2025

pubmedbert-base-splade

ЭмбеддингиТекст → embedding4 профессии

Разреженный энкодер PubMedBERT для семантического поиска и извлечения англоязычной медицинской литературы, включая поиск документов для RAG.

403скачиваний за 30 дней6лайковвеса обновлены5 авг 2025

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

PubMedBERT SPLADE — разреженный текстовый энкодер, созданный NeuML на основе дообученной модели PubMedBERT с использованием Sentence Transformers. Он преобразует предложения и абзацы в разреженные векторы размерности 30 522 для семантического поиска и извлечения документов по запросу, в том числе в системах RAG по медицинской литературе. Обучение проводилось на случайной выборке пар заголовков и аннотаций PubMed и похожих заголовков.

Модель основана на архитектуре BERT, содержит 136,7 млн параметров и принимает контекст длиной до 512 токенов. Она ориентирована на англоязычные биомедицинские тексты; README сообщает о более качественных разреженных представлениях для медицинской литературы по сравнению с универсальными моделями. При оценке на наборах PubMed модель уступала некоторым базовым моделям по корреляции Пирсона, но хорошо ранжировала результаты по корреляции Спирмена. Для узких медицинских областей может потребоваться дополнительное дообучение. Лицензия — Apache-2.0.

Сценарии применения

  • Семантический поиск статей PubMed
  • Поиск релевантных аннотаций по медицинскому запросу
  • Ранжирование научных публикаций по смысловой близости
  • Индексация биомедицинских документов для RAG
  • Поиск похожих заголовков и аннотаций статей

Ограничения

Контекст ограничен 512 токенами; модель рассчитана на англоязычную биомедицинскую литературу. В оценке на наборах PubMed она уступала некоторым сравниваемым моделям по корреляции Пирсона, а для узких медицинских поддоменов README рекомендует дополнительное дообучение.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PubMedBERT SPLADE

This is a SPLADE Sparse Encoder model finetuned from PubMedBERT-base using sentence-transformers. It maps sentences & paragraphs to a 30522-dimensional sparse vector space and can be used for semantic search and sparse retrieval.

The training dataset was generated using a random sample of PubMed title-abstract pairs along with similar title pairs.

PubMedBERT SPLADE produces higher quality sparse embeddings than generalized models for medical literature. Further fine-tuning for a medical subdomain will result in even better performance.

Usage (txtai)

This model can be used to build embeddings databases with txtai for semantic search and/or as a knowledge source for retrieval augmented generation (RAG).

Note: txtai 9.0+ is required for sparse vector scoring support

import txtai

embeddings = txtai.Embeddings(
  sparse="neuml/pubmedbert-base-splade",
  content=True
)
embeddings.index(documents())

# Run a query
embeddings.search("query to run")

Usage (Sentence-Transformers)

Alternatively, the model can be loaded with sentence-transformers.

from sentence_transformers import SparseEncoder
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SparseEncoder("neuml/pubmedbert-base-splade")
embeddings = model.encode(sentences)
print(embeddings)

Evaluation Results

Performance of this model compared to the top base models on the MTEB leaderboard is shown below. A popular smaller model was also evaluated along with the most downloaded PubMed similarity model on the Hugging Face Hub.

The following datasets were used to evaluate model performance.

  • PubMed QA
    • Subset: pqa_labeled, Split: train, Pair: (question, long_answer)
  • PubMed Subset
    • Split: test, Pair: (title, text)
  • PubMed Summary
    • Subset: pubmed, Split: validation, Pair: (article, abstract)

Evaluation results are shown below. The Pearson correlation coefficient is used as the evaluation metric.

ModelPubMed QAPubMed SubsetPubMed SummaryAverage
all-MiniLM-L6-v290.4095.9294.0793.46
bge-base-en-v1.591.0295.8294.4993.78
gte-base92.9796.9096.2495.37
pubmedbert-base-embeddings93.2797.0096.5895.62
pubmedbert-base-splade90.7696.2095.8794.28
S-PubMedBert-MS-MARCO90.8693.6893.5492.69

While this model was't the highest scoring model using the Pearson metric, it does well when measured by Spearman rank correlation coefficient.

ModelPubMed QAPubMed SubsetPubMed SummaryAverage
all-MiniLM-L6-v285.7786.5286.3286.20
bge-base-en-v1.585.7186.5886.3586.21
gte-base86.4486.6086.5586.53
pubmedbert-base-embeddings86.2986.5786.4786.44
pubmedbert-base-splade86.8089.1288.6088.17
S-PubMedBert-MS-MARCO85.7186.3786.1386.07

This indicates that the SPLADE model may do a better job of calculating scores/rankings in the correct direction.

Full Model Architecture

SparseEncoder(
  (0): MLMTransformer({'max_seq_length': 512, 'do_lower_case': False, 'architecture': 'BertForMaskedLM'})
  (1): SpladePooling({'pooling_strategy': 'max', 'activation_function': 'relu', 'word_embedding_dimension': 30522})
)

More Information

The training data for this model is the same as described in this article. See this article for more on the training scripts.

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
BertForMaskedLM
Ревизия весов
f284fcb

0 моделей