/ Модель

Характеристики

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

autotrain-medq

ЭмбеддингиТекст → embedding

Дообученный англоязычный энкодер предложений для получения эмбеддингов и сравнения текстов по смыслу.

15скачиваний за 30 дней0лайковвеса обновлены1 авг 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

Srinivasankandaswamy/autotrain-medq — дообученная с помощью AutoTrain модель Sentence Transformers на архитектуре BERT, созданная на основе sentence-transformers/all-MiniLM-L6-v2. Она предназначена для получения векторных представлений предложений и оценки их семантического сходства, например для поиска и сравнения текстов. Модель содержит 25,9 млн параметров, принимает текст и поддерживает контекст до 512 токенов; основное применение — англоязычные тексты.

Для работы подходит библиотека Sentence Transformers, веса доступны в формате safetensors. README приводит метрику loss 0,299 на валидации, но не описывает набор данных и протокол оценки. Лицензия в доступных сведениях не приведена.

Сценарии применения

  • поиск семантически похожих предложений
  • ранжирование текстов по сходству с запросом
  • поиск дубликатов и близких формулировок
  • кластеризация коротких текстов по смыслу

Ограничения

README сообщает значение loss на валидации, но не указывает датасет и методику оценки, поэтому по нему нельзя судить о качестве на конкретных задачах. Контекст ограничен 512 токенами; лицензия в доступных сведениях не приведена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Trained Using AutoTrain

  • Problem type: Sentence Transformers

Validation Metrics

loss: 0.29932907223701477

runtime: 9.4977

samples_per_second: 10.95

steps_per_second: 0.737

: 3.0

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the Hugging Face Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    'search_query: autotrain',
    'search_query: auto train',
    'search_query: i love autotrain',
]
embeddings = model.encode(sentences)
print(embeddings.shape)

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

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
382afd2

0 моделей