/ Модель

Характеристики

Контекст
512 токенов
Параметры
190 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
SA-STS-Embeddings-0.2B
Библиотека
sentence-transformers
Опубликована
17 дек 2025

SA-Retrieval-Embeddings-0.2B

ЭмбеддингиТекст → embedding9 профессий

Модель создаёт текстовые эмбеддинги для семантического поиска и извлечения релевантных фрагментов документов на саудовском арабском.

130скачиваний за 30 дней7лайковвеса обновлены23 дек 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

SA-Retrieval-Embeddings-0.2B — модель эмбеддингов на базе SentenceTransformer, разработанная Omartificial-Intelligence-Space для семантического поиска и ранжирования фрагментов документов на саудовском арабском. Это дообученная версия SA-STS-Embeddings-0.2B с архитектурой BERT; она формирует плотные векторы размерности 768 и принимает текстовые последовательности длиной до 512 токенов. Модель обучалась на примерах поиска соответствующего фрагмента по краткому описанию, с трудными отрицательными примерами и функциями потерь MultipleNegativesRankingLoss и TripletLoss.

Модель предназначена для поиска по базе знаний, извлечения семантических фрагментов и использования в RAG-системах, включая тексты на саудовском диалекте и современном стандартном арабском. В README заявлены около 88% точности Top-1 и Recall@5 99,2% на тестовом наборе из 1 515 примеров; эти показатели относятся к описанному авторами бенчмарку. Лицензия — Apache-2.0.

Сценарии применения

  • поиск подходящего фрагмента документа по краткому запросу
  • извлечение фрагментов базы знаний для RAG
  • семантический поиск по разбитым на смысловые части документам
  • ранжирование близких по смыслу фрагментов на саудовском арабском
  • поиск по корпоративным и государственным документам на арабском

Ограничения

Оптимизирована для саудовского арабского и современного стандартного арабского; для межъязыкового поиска не обучалась. Лучшие результаты ожидаются при семантическом разбиении документов; модель не предназначена для генерации текста.

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

SA-Retrieval-Embeddings-0.2B

Saudi Arabic Retrieval-Optimized Sentence Embeddings

This model is a retrieval-optimized SentenceTransformer, fine-tuned from Omartificial-Intelligence-Space/SA-STS-Embeddings-0.2B, and specifically designed for:

  • Semantic retrieval
  • RAG (Retrieval-Augmented Generation)
  • Paragraph-level semantic search
  • Chunk-based document retrieval
  • Saudi Arabic dialect understanding

Unlike general semantic similarity models, this model is explicitly trained to rank the correct semantic chunk at the top, even among closely related alternatives.


🔍 What makes this model different?

Most Arabic embedding models are trained on pairwise similarity only.
This model goes further by incorporating:

  • Summary → Chunk retrieval supervision
  • Hard negatives from semantic chunk boundaries
  • Triplet-based discrimination
  • In-batch negatives via MNLR

As a result, it excels in real-world retrieval scenarios, not just sentence similarity.


🧠 Training Overview

  • Base Model: SA-STS-Embeddings-0.2B
  • Training Objective:
    • MultipleNegativesRankingLoss (primary)
    • TripletLoss with hard negatives (boundary-based)
  • Embedding Dimension: 768
  • Pooling Strategy: Mean pooling
  • Max Sequence Length: 512 tokens
  • Training Samples: 4,038+ supervised retrieval examples
  • Precision: FP16

Training Data

The model was trained using Saudi Semantic Chunking data, where:

  • Each document is split into 3–5 semantic chunks
  • Each chunk has a human-written summary
  • Retrieval task:
    summary → correct chunk among other chunks from the same document

Dataset: 👉 Omartificial-Intelligence-Space/Saudi-Semantic-Chunks


📊 Evaluation Results

The model was evaluated on a hard retrieval benchmark consisting of
1,515 retrieval cases across 24 Saudi domains, using chunk-level negatives.

🏆 Leaderboard Comparison

leaderboard_comparison-20251223T111700

Key Takeaways

  • Best Top-1 Accuracy → correct chunk ranked first ~88% of the time
  • Best MRR → correct chunk appears very early in ranking
  • Excellent Recall@5 (99.2%) → ideal for RAG pipelines
  • Highest FinalScore → best overall balance of retrieval + discourse awareness

📐 Metric Definitions

  • Top-1: Correct chunk ranked first
  • MRR: Mean Reciprocal Rank
  • Recall@k: Correct chunk appears in top-k
  • nDCG: Ranking quality with position discount
  • Contrast: (Intra-chunk similarity − Inter-chunk similarity)
  • FinalScore: 0.4 × Top-1 + 0.3 × MRR + 0.2 × Contrast + 0.1 × nDCG

🧪 Usage

Install

pip install -U sentence-transformers
from sentence_transformers import SentenceTransformer

model = SentenceTransformer(
    "Omartificial-Intelligence-Space/SA-Retrieval-Embeddings-0.2B"
)

sentences = [
    "أفضل وقت لزيارة العلا في الشتاء",
    "العلا تكون أجمل في الشتاء والجو معتدل",
    "زحمة الرياض اليوم غير طبيعية"
]

embeddings = model.encode(sentences, normalize_embeddings=True)

from sklearn.metrics.pairwise import cosine_similarity

query = "أفضل وقت لزيارة أبها"
chunks = [
    "أبها تتميز بأجواء معتدلة في الصيف.",
    "الرياض مدينة مزدحمة.",
    "مطاعم جدة متنوعة."
]

q_emb = model.encode(query, normalize_embeddings=True)
c_embs = model.encode(chunks, normalize_embeddings=True)

scores = cosine_similarity([q_emb], c_embs)[0]
for s, c in sorted(zip(scores, chunks), reverse=True):
    print(round(s, 3), c)

🎯 Intended Use

  • RAG systems
  • Semantic search engines
  • Knowledge base retrieval
  • Document chunk retrieval
  • Saudi dialect applications
  • Government & enterprise search

⚠️ Limitations

  • Optimized for Saudi Arabic (dialect + MSA)
  • Not trained for cross-lingual retrieval
  • Not intended for generative tasks
  • Best performance when text is chunked semantically
@misc{sa_retrieval_embeddings_2025,
  title = {SA-Retrieval-Embeddings-0.2B: Retrieval-Optimized Saudi Arabic Sentence Embeddings},
  author = {Omer Nacar},
  year = {2025},
  publisher = {HuggingFace}
}

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
e1ef041

0 моделей