/ Модель

Характеристики

Контекст
8 192 токена
Лицензия
Apache 2.0
Архитектура
vsplade · dense
Базовая модель
v-splade-efficient
Опубликована
19 авг 2026

v-splade-efficient-mlx

Языковая модельИзображение, текст → embedding8 профессий

Конверсия V-SPLADE в MLX для поиска страниц PDF, слайдов и сканов по текстовым запросам на Apple Silicon.

29скачиваний за 30 дней0лайковвеса обновлены19 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

NomaDamas подготовил конверсию v-splade-efficient для MLX и Apple Silicon. Это разреженный мультимодальный ретривер для поиска страниц визуальных документов: изображения страниц PDF, слайдов и сканов кодируются ModernVBERT, объединяющим визуальную башню SigLIP, pixel-shuffle connector и текстовый энкодер ModernBERT, а SPLADE MLM head формирует разреженный вектор в пространстве словаря размерностью 50 368. Запросы обрабатываются по предварительно вычисленной таблице Bag-of-Words без нейронного кодирования.

Репозиторий содержит веса энкодера документов в bfloat16 и таблицу запросов fp32. Это конверсия исходных весов PyTorch в MLX; обучение и дообучение не проводились. В README описано совпадение результатов отдельной fp32-конверсии с PyTorch, но эти численные показатели не относятся к размещённым здесь весам bfloat16. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • Поиск страниц в отсканированных PDF по текстовому запросу
  • Поиск нужного слайда в презентации
  • Поиск по страницам визуальных документов и сканам
  • Формирование разреженных представлений страниц для retrieval-системы

Ограничения

Предназначена для поиска визуальных документов; README не сообщает о поддержке других задач. Показатели качества fp32-конверсии из README нельзя переносить на размещённые веса bfloat16.

Для каких профессий подходит8

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

v-splade-efficient-mlx

MLX (bfloat16) conversion of naver/v-splade-efficient (V-SPLADE, arXiv:2605.30917) for Apple Silicon, produced by NomaDamas/SPLADE-mlx.

V-SPLADE is an inference-free sparse retriever for visual document retrieval: document pages (rendered PDFs, slides, scans) are encoded by a ModernVBERT backbone (SigLIP vision tower + pixel-shuffle connector + ModernBERT text encoder) with a SPLADE MLM head into a 50,368-dim vocabulary-space sparse vector, while queries are resolved by a learned Bag-of-Words lookup with no neural encoding at all.

Contents: weights.safetensors (document encoder, bfloat16), query_lookup.npy (inference-free query table, fp32), config.json, plus tokenizer/processor configs for self-contained loading.

Changes from upstream: PyTorch checkpoint converted to MLX safetensors (parameter re-mapping, conv weight transposed to NHWC, cast to bfloat16); the query lookup table softplus(embedding @ projection + bias) is precomputed with special tokens zeroed. No training or fine-tuning was performed.

Quality (see repo REPORT.md for methodology):

  • Separate fp32 conversion parity vs the PyTorch reference: max |logit delta| 1.5e-04 on real document-page inputs, sparse-vector cosine 1.000000, top-64 term overlap 100%; the query table matches the shipped Sentence Transformers static embedding to 1.2e-07.
  • ViDoRe docvqa_test_subsampled nDCG@5 (fp32): 0.4098 (torch) -> 0.4098 (MLX), delta +0.0000 (gate: ±0.002).

This repository itself stores bfloat16 document-encoder weights. The fp32 numbers above describe a separate fp32 conversion and must not be attributed to this linked bfloat16 artifact.

Usage

from splade_mlx.convert_vsplade import load_vsplade
import mlx.core as mx
from PIL import Image

model, query_encoder, processor = load_vsplade("NomaDamas/v-splade-efficient-mlx")

# documents (page images)
enc = processor(text=["User:<image><end_of_utterance>\nAssistant:"],
                images=[[Image.open("page.png")]], return_tensors="np")
d = model.encode(mx.array(enc["input_ids"]), mx.array(enc["attention_mask"]),
                 enc["pixel_values"])   # (1, 50368)

# queries: inference-free lookup, no neural network
q = processor.tokenizer(["total revenue 2023"], return_tensors="np")
qw = query_encoder.encode(q["input_ids"], q["attention_mask"])  # (1, 50368)

score = d @ qw.T

License

Apache-2.0, same as the upstream checkpoint (© NAVER Corp). This repository is not affiliated with or endorsed by NAVER.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
099942b

0 моделей