/ Модель

Характеристики

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

file-embedding

ЭмбеддингиТекст → embedding8 профессий

Дообученный энкодер создаёт векторные представления файлов для поиска и сопоставления в репозиториях.

15скачиваний 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/file-embedding — дообученная модель для создания плотных векторных представлений файлов, предназначенных для поиска и сопоставления. Это компонент системы Repository Library для индексации и поиска по репозиториям и научным материалам. Модель основана на энкодере BERT и дообучена на sentence-transformers/all-MiniLM-L6-v2; содержит 25,9 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторы признаков.

В обучающих данных использовались графы репозиториев и фрагменты кода из конвейера Repository Library. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск похожих файлов в репозитории
  • сопоставление файлов по содержимому
  • векторная индексация файлов с кодом
  • извлечение признаков файлов для ранжирования результатов

Ограничения

В карточке нет отдельного отчёта с результатами бенчмарков или внешнего аудита; метрики указаны как recall@10 и ndcg@10. Модель следует проверить в целевом сценарии перед развёртыванием.

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

File Embedding

Produces file-level dense representations for retrieval and matching.

Model Details

  • Artifact type: full fine-tuned model
  • Base model: sentence-transformers/all-MiniLM-L6-v2
  • Backbone type: encoder
  • Model ID: R2
  • Tier: T4_repo
  • 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/file-embedding
  • 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/r2_file_embedding.json
  • Models directory: https://github.com/peytontolbert/research_library/tree/main/models

Intended Use

  • Primary use: Produces file-level dense representations for retrieval and matching.
  • 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 github_repos: repository graph and code chunk data exported from the Repository Library repo pipeline.

Training Procedure

  • Sources: github_repos
  • Input fields: file_query
  • Target fields: source_chunk
  • 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: 256
  • 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/file-embedding"

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
4979e88

0 моделей