/ Модель

Характеристики

Контекст
512 токенов
Параметры
452 млн
Архитектура
bert · dense
Базовая модель
TookaBERT-Large
Библиотека
sentence-transformers
Опубликована
13 мая 2025

Tooka-SBERT-V2-Large

ЭмбеддингиТекст → embedding9 профессий

Персидская BERT-модель для создания эмбеддингов предложений, поиска семантически близких текстов и их ранжирования.

1 568скачиваний за 30 дней10лайковвеса обновлены26 мая 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 оценки50

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • SynPerQAPC

    main_score

    Результат

    0,9274

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAClassification

    main_score

    Результат

    0,7325

    MTEB

    Публичная таблицаревизия совпадает

  • FarsiParaphraseDetection

    main_score

    Результат

    0,9505

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSASadness

    main_score

    Результат

    0,8176

    MTEB

    Публичная таблицаревизия совпадает

  • MSMARCO-Fa

    main_score

    Результат

    0,1722

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackStatsRetrieval-Fa

    main_score

    Результат

    0,212

    MTEB

    Публичная таблицаревизия совпадает

  • PersianFoodSentimentClassification

    main_score

    Результат

    0,7897

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerTextToneClassification.v3

    main_score

    Результат

    0,9294

    MTEB

    Публичная таблицаревизия совпадает

  • CExaPPC

    main_score

    Результат

    0,9881

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerQARetrieval

    main_score

    Результат

    0,8215

    MTEB

    Публичная таблицаревизия совпадает

  • QuoraRetrieval-Fa.v2

    main_score

    Результат

    0,7743

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotToneChatbotClassification

    main_score

    Результат

    0,4841

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotRAGToneUserClassification

    main_score

    Результат

    0,5262

    MTEB

    Публичная таблицаревизия совпадает

  • DigikalamagClustering

    main_score

    Результат

    0,4922

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAToneUserClassification

    main_score

    Результат

    0,5941

    MTEB

    Публичная таблицаревизия совпадает

  • ArguAna-Fa

    main_score

    Результат

    0,4229

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveIntentClassification

    main_score

    Результат

    0,6784

    MTEB

    Публичная таблицаревизия совпадает

  • Touche2020-Fa

    main_score

    Результат

    0,1827

    MTEB

    Публичная таблицаревизия совпадает

  • SIDClassification

    main_score

    Результат

    0,5534

    MTEB

    Публичная таблицаревизия совпадает

  • NFCorpus-Fa

    main_score

    Результат

    0,2542

    MTEB

    Публичная таблицаревизия совпадает

  • DigikalamagClassification

    main_score

    Результат

    0,7831

    MTEB

    Публичная таблицаревизия совпадает

  • Query2Query

    main_score

    Результат

    0,7066

    MTEB

    Публичная таблицаревизия совпадает

  • SIDClustring

    main_score

    Результат

    0,439

    MTEB

    Публичная таблицаревизия совпадает

  • SIDClassification.v2

    main_score

    Результат

    0,5535

    MTEB

    Публичная таблицаревизия совпадает

  • SciFact-Fa.v2

    main_score

    Результат

    0,4103

    MTEB

    Публичная таблицаревизия совпадает

  • HamshahriClustring

    main_score

    Результат

    0,66

    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLRetrievalHardNegatives

    main_score

    Результат

    0,4854

    MTEB

    Публичная таблицаревизия совпадает

  • PersianTextEmotion

    main_score

    Результат

    0,5744

    MTEB

    Публичная таблицаревизия совпадает

  • PerShopIntentClassification

    main_score

    Результат

    0,8914

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotRAGToneChatbotClassification

    main_score

    Результат

    0,3809

    MTEB

    Публичная таблицаревизия совпадает

  • PerShopDomainClassification

    main_score

    Результат

    0,7607

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackWordpressRetrieval-Fa

    main_score

    Результат

    0,2032

    MTEB

    Публичная таблицаревизия совпадает

  • DeepSentiPers

    main_score

    Результат

    0,6631

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerTextToneClassification

    main_score

    Результат

    0,7235

    MTEB

    Публичная таблицаревизия совпадает

  • QuoraRetrieval-Fa

    main_score

    Результат

    0,7876

    MTEB

    Публичная таблицаревизия совпадает

  • BeytooteClustering

    main_score

    Результат

    0,5685

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAJealousy

    main_score

    Результат

    0,7345

    MTEB

    Публичная таблицаревизия совпадает

  • Touche2020-Fa.v2

    main_score

    Результат

    0,4374

    MTEB

    Публичная таблицаревизия совпадает

  • MSMARCO-FaHardNegatives

    main_score

    Результат

    0,5982

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackTexRetrieval-Fa

    main_score

    Результат

    0,1492

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSALove

    main_score

    Результат

    0,6686

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotSumSRetrieval

    main_score

    Результат

    0,2431

    MTEB

    Публичная таблицаревизия совпадает

  • DeepSentiPers.v2

    main_score

    Результат

    0,6564

    MTEB

    Публичная таблицаревизия совпадает

  • HotpotQA-FaHardNegatives

    main_score

    Результат

    0,3533

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveScenarioClassification

    main_score

    Результат

    0,7155

    MTEB

    Публичная таблицаревизия совпадает

  • NQ-Fa

    main_score

    Результат

    0,2633

    MTEB

    Публичная таблицаревизия совпадает

  • SciFact-Fa

    main_score

    Результат

    0,4309

    MTEB

    Публичная таблицаревизия совпадает

  • TRECCOVID-Fa

    main_score

    Результат

    0,5062

    MTEB

    Публичная таблицаревизия совпадает

  • SAMSumFa

    main_score

    Результат

    0,8675

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotRAGTopicsRetrieval

    main_score

    Результат

    0,2026

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Tooka-SBERT-V2-Large — крупная модель Sentence Transformers на архитектуре BERT, разработанная PartAI на базе TookaBERT-Large. Она преобразует предложения и абзацы в плотные векторные представления для оценки семантического сходства, поиска и ранжирования текстов. Для асимметричного поиска запросы оформляются с префиксом «سوال: », а документы — «متن: ».

Модель дообучена с функциями потерь CachedMultipleNegativesRankingLoss и CoSENTLoss на синтетических наборах данных. В карточке сообщается, что на бенчмарке PTEB она в среднем превосходит mE5-Base; результаты зависят от задачи. Модель рассчитана на персидский язык, имеет 451,8 млн параметров и контекст до 512 токенов. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск документов по персидскому запросу
  • сравнение семантического сходства предложений на персидском языке
  • ранжирование найденных документов по релевантности
  • классификация текстов с использованием эмбеддингов
  • поиск похожих текстов в персидской Википедии

Ограничения

Контекст ограничен 512 токенами; для асимметричного поиска необходимо использовать указанные в карточке префиксы запросов и документов. Лицензия и подробности о составе синтетических обучающих данных в предоставленных сведениях не описаны.

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

Tooka-SBERT-V2-Large

This model is a Sentence Transformers model trained for semantic textual similarity and embedding tasks. It maps sentences and paragraphs to a dense vector space, where semantically similar texts are close together.

The model is trained in two sizes: Small and Large

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install sentence-transformers==3.4.1

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("PartAI/Tooka-SBERT-V2-Large")
# Run inference
sentences = [
    'درنا از پرندگان مهاجر با پاهای بلند و گردن دراز است.',
    'درناها با قامتی بلند و بال‌های پهن، از زیباترین پرندگان مهاجر به شمار می‌روند.',
    'درناها پرندگانی کوچک با پاهای کوتاه هستند که مهاجرت نمی‌کنند.'
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

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

🛠️ Training Details

The training is performed in two stages:

  1. Pretraining on the Targoman News dataset
  2. Fine-tuning on multiple synthetic datasets

Stage 1: Pretraining

  • We use an asymmetric setup.
  • Input formatting:
    • Titles are prepended with "سوال: "
    • Texts are prepended with "متن: "
  • Loss function: CachedMultipleNegativesRankingLoss

Stage 2: Fine-tuning

  • Loss functions:
    • CachedMultipleNegativesRankingLoss
    • CoSENTLoss
  • Used across multiple synthetic datasets

📊 Evaluation

We evaluate our model on the PTEB Benchmark. Our model outperforms mE5-Base on average across PTEB tasks.

For Retrieval and Reranking tasks, we follow the same asymmetric structure, prepending:

  • "سوال: " to queries
  • "متن: " to documents
Model#ParamsPair-Classification-AvgClassification-AvgRetrieval-AvgReranking-AvgCrossTasks-Avg
Tooka-SBERT-V2-Large353M80.2474.7359.8073.4472.05
Tooka-SBERT-V2-Small123M75.6972.1661.2473.4070.62
jina-embeddings-v3572M71.8879.2765.1864.6270.24
multilingual-e5-base278M70.7669.7163.9076.0170.09
Tooka-SBERT-V1-Large353M81.5271.5445.6160.4464.78

Task-Specific Datasets in PTEB

  • Pair-Classification:

    • FarsTail
  • Classification:

    • MassiveIntentClassification
    • MassiveScenarioClassification
    • MultilingualSentimentClassification
    • PersianFoodSentimentClassification
  • Retrieval:

    • MIRACLRetrieval
    • NeuCLIR2023Retrieval
    • WikipediaRetrievalMultilingual
  • Reranking:

    • MIRACLReranking
    • WikipediaRerankingMultilingual

Citation

BibTeX

Sentence Transformers

@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",
}

CachedMultipleNegativesRankingLoss

@misc{gao2021scaling,
    title={Scaling Deep Contrastive Learning Batch Size under Memory Limited Setup}, 
    author={Luyu Gao and Yunyi Zhang and Jiawei Han and Jamie Callan},
    year={2021},
    eprint={2101.06983},
    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
BertModel
Ревизия весов
b59682e

0 моделей