/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
specter2_base
Библиотека
sentence-transformers
Опубликована
6 мар 2026

math-embed

ЭмбеддингиТекст → embedding3 профессии

Модель создаёт эмбеддинги для семантического поиска математических статей и их фрагментов, особенно по комбинаторике.

265скачиваний за 30 дней0лайковвеса обновлены8 мар 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

RobBobin/math-embed — дообученная модель эмбеддингов на базе allenai/specter2_base для семантического поиска математических документов. Она предназначена прежде всего для поиска научных статей и их фрагментов по запросам о комбинаторике, включая теорию представлений, симметрические функции и алгебраическую комбинаторику. Модель использует плотный BERT-энкодер на 137,1 млн параметров и выдаёт 768-мерные векторы; обучение с Matryoshka Representation Learning позволяет сокращать размерность до 512, 256 или 128. Метаданные указывают английский язык, библиотеку Sentence Transformers и контекст до 512 токенов; в README для обучения указана максимальная длина последовательности 256 токенов.

В описанном авторами тесте поиска математических статей модель показала MRR 0,816 и NDCG@10 0,736 на 108 запросах и 4 794 фрагментах статей. Её область обучения ограничена главным образом публикациями по комбинаторике, поэтому качество поиска в других областях математики и науки может быть ниже. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск статей по запросу о комбинаторике
  • поиск фрагментов математических публикаций по описанию концепции
  • поиск работ по теории представлений и симметрическим функциям
  • сопоставление математических понятий с релевантными статьями

Ограничения

Модель обучена преимущественно на статьях по комбинаторике и может хуже работать в других областях математики и науки. README указывает максимальную длину последовательности 256 токенов, тогда как метаданные сообщают контекст до 512 токенов.

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

math-embed

A 768-dimensional embedding model fine-tuned for mathematical document retrieval, with a focus on combinatorics and related areas (representation theory, symmetric functions, algebraic combinatorics). Built on SPECTER2 and trained using knowledge-graph-guided contrastive learning.

Performance

Benchmarked on mathematical paper retrieval (108 queries, 4,794 paper chunks):

ModelMRRNDCG@10
math-embed (this model)0.8160.736
OpenAI text-embedding-3-small0.4610.324
SPECTER2 (proximity adapter)0.3600.225
SciNCL0.3060.205

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("RobBobin/math-embed")

# Embed queries and documents
queries = ["Kostka polynomials", "representation theory of symmetric groups"]
docs = ["We study the combinatorial properties of Kostka numbers..."]

query_embs = model.encode(queries)
doc_embs = model.encode(docs)

Matryoshka dimensions

Trained with Matryoshka Representation Learning — you can truncate embeddings to smaller dimensions (512, 256, 128) with graceful degradation:

# Use 256-dim embeddings for faster retrieval
embs = model.encode(texts)
embs_256 = embs[:, :256]

Training

Method

  • Loss: MultipleNegativesRankingLoss + MatryoshkaLoss
  • Training data: 22,609 (anchor, positive) pairs generated from a knowledge graph of mathematical concepts
    • Direct pairs: concept name/description → chunks from that concept's source papers
    • Edge pairs: cross-concept pairs from knowledge graph edges (e.g., "generalizes", "extends")
  • Base model: allenai/specter2_base (SciBERT pre-trained on 6M citation triplets)

Configuration

  • Epochs: 3
  • Batch size: 8 (effective 32 with gradient accumulation)
  • Learning rate: 2e-5
  • Max sequence length: 256 tokens
  • Matryoshka dims: [768, 512, 256, 128]

Model lineage

BERT (Google, 110M params)
  └─ SciBERT (Allen AI, retrained on scientific papers)
      └─ SPECTER2 base (Allen AI, + 6M citation triplets)
          └─ math-embed (this model, + KG-derived concept-chunk pairs)

Approach

The knowledge graph was constructed by an LLM (GPT-4o-mini) from 75 mathematical research papers, identifying 559 concepts and 486 relationships. This graph provides structured ground truth: each concept maps to specific papers, and those papers' chunks serve as positive training examples.

This is a form of knowledge distillation — a large language model's understanding of mathematical relationships is distilled into a small, fast embedding model suitable for retrieval.

Limitations

  • Trained specifically on combinatorics papers (symmetric functions, representation theory, partition identities, algebraic combinatorics)
  • May not generalize well to other areas of mathematics or other scientific domains without additional fine-tuning
  • 256-token context window (standard for BERT-based models)

Citation

See the accompanying paper: Knowledge-Graph-Guided Fine-Tuning of Embedding Models for Mathematical Document Retrieval

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
7c89ee1

0 моделей