/ Модель

Характеристики

Контекст
8 192 токена
Параметры
608 млн
Лицензия
MIT
Архитектура
eurobert · dense
Базовая модель
EuroBERT-610m
Библиотека
sentence-transformers
Опубликована
19 мар 2025

AraEuroBert-610M

ЭмбеддингиТекст → embedding8 профессий

Дообученный энкодер EuroBERT для создания арабских текстовых эмбеддингов, семантического поиска и сравнения предложений.

148скачиваний за 30 дней4лайкавеса обновлены20 мар 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

Ara-EuroBERT-610M — разработанная Omartificial-Intelligence-Space модель Sentence Transformers, дообученная на базе EuroBERT/EuroBERT-610m для получения семантических эмбеддингов арабского текста. Энкодер EuroBertModel содержит около 607,8 млн параметров и обрабатывает последовательности до 8192 токенов.

Модель преобразует предложения и абзацы в плотные векторы размерностью 1152; доступны вложенные размерности 960, 768 и 512. Для сравнения векторов используется косинусное сходство. Модель подходит для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации. В README приведены результаты тестов семантического сходства на STS17 и STS22.v2, однако сравнение показателей в карточке неоднозначно, поэтому их не следует считать гарантией качества для других данных.

Модель рассчитана на арабский язык. Распространяется по лицензии MIT.

Сценарии применения

  • семантический поиск по арабским документам
  • поиск похожих арабских предложений
  • сравнение семантической близости текстов на арабском
  • поиск перефразировок на арабском языке
  • кластеризация арабских текстов
  • получение эмбеддингов арабских предложений для классификации

Ограничения

Специализирована на арабском языке; качество для других языков не заявлено. Размер энкодера около 607,8 млн параметров, а последовательности ограничены 8192 токенами.

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

Ara-EuroBERT: Arabic Semantic Text Embeddings

Ara-EuroBERT-610M is a sentence-transformers model fine-tuned from EuroBERT/EuroBERT-610m specifically optimized for Semantic Arabic text embeddings.

This model maps sentences and paragraphs to a 1152-dimensional dense vector space and Maximum Sequence Length: 8,192 tokens.

It can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

You can find more information on the base model at https://huggingface.co/EuroBERT/EuroBERT-610m

Model Details & Benchmark Performance

The benchmark results above demonstrate the significant performance improvements of AraEuroBERT models compared to standard EuroBERT models:

  • STS17 Benchmark: AraEuroBERT-610M achieves a score of 83, significantly outperforming the standard EuroBERT-610M (14) and even the much larger EuroBERT-2.1B (12).
  • STS22.v2 Benchmark: AraEuroBERT-210M scores 61, outperforming both the larger AraEuroBERT-610M (53) and all standard EuroBERT variants.

These results highlight the effectiveness of our specialized fine-tuning for Arabic text embeddings, with even our smaller 210M parameter model demonstrating superior performance on Arabic semantic tasks.

Metrics

Semantic Similarity

Metricsts-dev-1152sts-dev-960sts-dev-768sts-dev-512
pearson_cosine0.82640.82590.82440.8238
spearman_cosine0.83070.83020.82930.8293

Model Description

  • Model Type: Sentence Transformer
  • Base model: EuroBERT/EuroBERT-610m
  • Maximum Sequence Length: 8192 tokens
  • Output Dimensionality: 1152 dimensions (supports nested dimensions: 1152, 960, 768, 512)
  • Similarity Function: Cosine Similarity
  • Training Dataset: 2.28M training samples with Arabic text triplets
  • Language: Arabic

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: EuroBertModel 
  (1): Pooling({'word_embedding_dimension': 1152, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference:

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("Omartificial-Intelligence-Space/AraEuroBert-610M")

# Run inference
sentences = [
    'لاعبة كرة ناعمة ترمي الكرة إلى زميلتها في الفريق',
    'شخصان يلعبان كرة البيسبول',
    'لاعبين لكرة البيسبول يجلسان على مقعد',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1152]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Nested Embeddings

This model supports Matryoshka (nested) embeddings with the following dimensions:

  • Full dimension: 1152
  • Reduced dimensions: 960, 768, 512

You can select the embedding dimension based on your specific requirements, trading off between performance and computational efficiency.

Citation

If you use this model in your research, please cite the following works:

@misc{boizard2025eurobertscalingmultilingualencoders,
      title={EuroBERT: Scaling Multilingual Encoders for European Languages}, 
      author={Nicolas Boizard and Hippolyte Gisserot-Boukhlef and Duarte M. Alves and André Martins and Ayoub Hammal and Caio Corro and Céline Hudelot and Emmanuel Malherbe and Etienne Malaboeuf and Fanny Jourdan and Gabriel Hautreux and João Alves and Kevin El-Haddad and Manuel Faysse and Maxime Peyrard and Nuno M. Guerreiro and Patrick Fernandes and Ricardo Rei and Pierre Colombo},
      year={2025},
      eprint={2503.05500},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2503.05500}, 
}
@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}
@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

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
EuroBertModel
Ревизия весов
4619046

0 моделей