/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Архитектура
bert · dense
Базовая модель
all-MiniLM-L6-v2
Библиотека
transformers
Опубликована
5 июл 2026

cross-modal-retrieval

ЭмбеддингиТекст → embedding3 профессии

Энкодер для семантического поиска связанных научных статей и репозиториев кода.

13скачиваний за 30 дней0лайковвеса обновлены5 июл 2026

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

PeytonT разработала Cross Modal Retrieval — энкодер для поиска семантически связанных материалов между научными статьями и репозиториями кода. Модель входит в исследовательскую систему Repository Library для индексации, поиска и сопоставления научных публикаций, их структурированного содержимого и репозиториев.

Это полноразмерное дообучение sentence-transformers/all-MiniLM-L6-v2 на структурированных данных из PDF статей arXiv и данных о репозиториях и фрагментах кода. Модель содержит 25,9 млн параметров, использует архитектуру BERT и принимает текст с контекстом до 512 токенов. Основная задача — извлечение признаков для междоменного семантического поиска и ранжирования.

Карточка описывает исследовательский компонент, а не готовое к развёртыванию решение: перед применением модель следует проверить в целевом процессе. Представленные метрики recall@10 и ndcg@10 не сопровождаются отдельным отчётом бенчмарка или внешним аудитом; часть обучающих данных получена из внутренних конвейеров Repository Library. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск репозиториев кода по содержанию научной статьи
  • поиск статей по описанию репозитория или фрагмента кода
  • сопоставление научных публикаций с репозиториями
  • ранжирование результатов междоменного поиска
  • извлечение признаков для индексации научных материалов и кода

Ограничения

Модель не сопровождается отдельным отчётом бенчмарка или внешним аудитом; заявленные recall@10 и ndcg@10 отражают конфигурацию эксперимента. Перед применением в целевом процессе необходима проверка, а часть обучающих данных получена из конвейеров Repository Library.

Для каких профессий подходит3

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

Cross Modal Retrieval

Retrieves semantically related items across paper and repository modalities.

Model Details

  • Artifact type: full fine-tuned model
  • Base model: sentence-transformers/all-MiniLM-L6-v2
  • Backbone type: encoder
  • Model ID: C6
  • Tier: T5_cross
  • Role in stack: specialized Repository Library component

This model is part of the Repository Library stack, a research system for indexing, retrieving, aligning, and reasoning over scientific papers, structured paper content, repositories, and cross-domain links between them.

Model Sources

  • Hugging Face repo: https://huggingface.co/PeytonT/cross-modal-retrieval
  • Hugging Face collection: https://huggingface.co/collections/PeytonT/research-library-6a49c589ef4d763f7539b50d
  • GitHub repository: https://github.com/peytontolbert/research_library
  • Experiment config: https://github.com/peytontolbert/research_library/blob/main/models/experiments/c6_cross_modal_retrieval.json
  • Models directory: https://github.com/peytontolbert/research_library/tree/main/models

Intended Use

  • Primary use: Retrieves semantically related items across paper and repository modalities.
  • Downstream use: retrieval, ranking, planning, paper understanding, or cross-domain reasoning inside the broader Repository Library system, depending on the model family.
  • Out of scope: production safety claims, benchmark claims beyond the tracked experiment config, or deployment without task-specific validation.

Training Data

The training inputs for this package were assembled from the following Repository Library data sources:

  • Source arxiv_pdfs_structured: structured PDF shards containing text, equations, figures, and tables.
  • Source github_repos: repository graph and code chunk data exported from the Repository Library repo pipeline.

Training Procedure

  • Sources: arxiv_pdfs_structured, github_repos
  • Input fields: paper_chunk, code_chunk
  • Target fields: shared_embedding
  • Train/val/test split: [0.9, 0.1, 0.0]
  • Max samples: 4000
  • Batch size: 8
  • Precision: bf16
  • Objective: contrastive
  • Learning rate: 5e-05
  • Max source tokens: 256
  • Max target tokens: 128
  • Fine-tune strategy: full_finetune
  • Max steps: 1000

Compute

  • Hardware: 4x RTX_3090 (24 GB)
  • Distributed strategy: ddp
  • Estimated GPU hours in config: 0

Evaluation

  • Declared metrics: recall_at_10, ndcg_at_10
  • Status: this card reflects the current tracked experiment configuration and packaged weights in the Repository Library model stack.

Usage

from transformers import AutoModel, AutoTokenizer

repo_id = "PeytonT/cross-modal-retrieval"

tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModel.from_pretrained(repo_id)

Limitations

  • These cards are generated from tracked experiment metadata and packaged artifacts, not from a separate benchmark report or external audit.
  • Several training sources are pipeline outputs from the Repository Library codebase rather than standalone public datasets.
  • These models are components of a larger research system and should be validated in their target workflow before deployment.

Project Context

  • GitHub repository: https://github.com/peytontolbert/research_library
  • Model collection: https://huggingface.co/collections/PeytonT/research-library-6a49c589ef4d763f7539b50d
  • Publisher: PeytonT

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
67f44da

0 моделей