/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-Embedding-0.6B
Опубликована
23 июл 2026

lrat-qwen3-0.6b-earlystop-full-20260723

ЭмбеддингиТекст → embedding

Дообученная Qwen3-Embedding-0.6B для создания текстовых эмбеддингов и поиска по запросам и документам в задачах LRAT.

13скачиваний за 30 дней0лайковвеса обновлены23 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

Seraphic663 публикует M07 — полно-параметрическую дообученную версию текстовой модели эмбеддингов Qwen/Qwen3-Embedding-0.6B для поиска в рамках оценки CCIR Cup / LRAT. Модель преобразует текстовые запросы и документы в представления для информационного поиска; её архитектура — плотная Qwen3, размер — около 507,6 млн параметров, контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors.

Модель обучена за одну эпоху на 94 113 строках официального обучающего набора LRAT; адаптеры, внешние данные и модели-учителя не использовались. В карточке приведены метрики на отложенном наборе разработки: Recall@1 — 0,627, Recall@5 — 0,907, Recall@10 — 0,975; это результаты для набора кандидатов, а не официальные результаты таблицы лидеров. Лицензия — Apache-2.0.

Сценарии применения

  • семантический поиск по коллекции документов
  • ранжирование документов по релевантности запросу через эмбеддинги
  • поиск ответа в корпусе LRAT
  • извлечение похожих текстов по запросу

Ограничения

Метрики указаны для отложенного набора разработки с кандидатами и не являются официальными результатами таблицы лидеров. Модель обучалась на данных LRAT; качество на других корпусах в карточке не оценено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LRAT Qwen3 Embedding 0.6B — M07

This is the M07 retrieval model prepared for the CCIR Cup / LRAT evaluation. It is a full-parameter fine-tune of Qwen/Qwen3-Embedding-0.6B.

Training

  • Data: 94,113 official LRAT training rows after deterministic normalized-query separation
  • Training length: one epoch, 11,764 optimizer steps
  • Per-device batch size: 1 on two GPUs
  • Gradient accumulation: 4
  • Learning rate: 1e-6
  • External training data, teacher models, LoRA, and adapters: not used

The separated development set contains 1,500 normalized-query groups with zero query overlap with training.

Development metrics

MetricValue
Recall@10.626667
Recall@50.907333
Recall@100.974667
MRR0.747510

These are candidate-set development metrics, not official leaderboard results.

Integrity

model.safetensors SHA-256:

c937d61d57840467c5b8867559cc645704313e97ace7dafdeeece52652986a2b

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3Model
Ревизия весов
b5e765a

0 моделей