/ Модель

Характеристики

Контекст
512 токенов
Параметры
40 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
bge-small-en-v1.5
Библиотека
sentence-transformers
Опубликована
19 апр 2026

bge-small-rrf-v3

ЭмбеддингиТекст → embedding9 профессий

Англоязычная BERT-модель эмбеддингов для семантического поиска и RAG, дообученная на базе BGE-small с использованием данных BEIR.

81скачиваний за 30 дней0лайковвеса обновлены22 апр 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

Stffens/bge-small-rrf-v3 — англоязычная модель для создания текстовых эмбеддингов и семантического поиска, разработанная автором проекта vstash. Она дообучена на базе BAAI/bge-small-en-v1.5 с помощью сигнала расхождения результатов гибридного поиска и обучена на данных BEIR SciFact, NFCorpus и FiQA. Модель использует архитектуру BERT, содержит около 40 млн параметров по метаданным (в README указано 33 млн), формирует векторы размерности 384 и поддерживает контекст до 512 токенов.

Модель предназначена для семантического поиска и использования в качестве эмбеддинговой основы RAG-систем. Автор приводит улучшения относительно базовой модели и предыдущей версии на нескольких наборах BEIR; результаты зависят от корпуса и поискового конвейера. Для NFCorpus v2 может быть предпочтительнее, а специализированные клинические, юридические и насыщенные терминологией корпуса могут требовать дообучения. Модель рассчитана на английский язык, для кросс-языкового поиска может уступать многоязычным моделям. Распространяется по лицензии MIT.

Сценарии применения

  • семантический поиск по англоязычным документам
  • поиск научных публикаций по запросу
  • подбор релевантных документов для RAG
  • сравнение сходства англоязычных предложений
  • поиск по финансовым вопросам и научным корпусам

Ограничения

Модель рассчитана на английский язык, поэтому кросс-языковой поиск может уступать многоязычным решениям. На NFCorpus она уступает предыдущей версии v2; специализированные клинические, юридические и терминологически насыщенные корпуса могут требовать дообучения.

Для каких профессий подходит9

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

bge-small-rrf-v3

Paper: vstash: Local-First Hybrid Retrieval with Adaptive Fusion for LLM Agents (arXiv:2604.15484)

A 33M-parameter (384-dim) English embedding model, fine-tuned from BAAI/bge-small-en-v1.5 using the self-supervised hybrid-retrieval disagreement signal described in Steffens (2026) and implemented in vstash.

Same size and speed as the base model. Higher retrieval quality on all three BEIR datasets it was trained on.

What changed vs v2

bge-small-rrf-v3 is trained with the winning config from the 2026-04-19 H-R9 ablation:

  • 2x training volume. 60,000 target triples across three BEIR datasets instead of v2's 30,000. Volume was the single largest lever at this scale: every dataset improved simultaneously when doubling total_triples, no trade-off observed.
  • Same corpus balance. temperature=0.5 sampling keeps the same ratio v2 used; the volume increase scales every dataset proportionally rather than reshuffling.
  • Observability. The training pipeline now records NDCG@3 and Recall@100 alongside NDCG@10 in training_meta.json.

Eval numbers

Evaluated on the full 5-dataset BEIR cut (SciFact, NFCorpus, SciDocs, FiQA, ArguAna) with vstash's production retrieval pipeline (RRF hybrid + adaptive weights + doc-level dedup, wide top-100 candidate pool). Both v2 and v3 re-evaluated under the same pipeline for an apples-to-apples comparison.

Absolute NDCG@10 vs BM25, ColBERTv2, and previous releases

DatasetBM25ColBERTv2Basev2v3
SciFact0.6650.6930.90820.91070.9361
NFCorpus0.3250.3440.36740.43250.3927
SciDocs0.1580.1540.36370.36760.3693
FiQA0.2360.3560.65090.65410.7506
ArguAna0.3150.4630.76860.75790.7540
macro--0.61180.62460.6405

Wins vs ColBERTv2

Both v2 and v3 beat ColBERTv2 on 5/5 BEIR datasets under this pipeline. v3 improves macro by +1.6 absolute NDCG@10 over v2 (+2.6% relative).

v3 vs v2, dataset by dataset

Datasetv2v3WinnerNote
SciFact0.91070.9361v3+0.025 absolute
FiQA0.65410.7506v3+0.097 absolute (the big v3 win)
SciDocs0.36760.3693v3within noise
NFCorpus0.43250.3927v2v2 retains the advantage (-0.040 in v3)
ArguAna0.75790.7540v2within noise

Use v3 by default: it wins or ties on 3/5 datasets, the macro is cleanly higher, and the FiQA improvement is substantial (+14% absolute relative to the base). v2 remains the better pick when NFCorpus-style retrieval dominates your workload (keyword-heavy medical / biomedical corpora).

Supporting metrics

v3's candidate-set health (Recall@100) and head quality (NDCG@3) also improve across the board on datasets where the overall NDCG@10 went up:

  • FiQA Recall@100: 0.9188 (v2) -> 0.9867 (v3)
  • SciFact NDCG@3: 0.8976 (v2) -> 0.9265 (v3)

Full metrics JSON at experiments/results/v2_v3_head_to_head.json.

Reproduce the comparison with python -m experiments.v2_v3_head_to_head or the Colab notebook experiments/v2_v3_head_to_head.ipynb. Full H-R9 ablation (temperature / volume sweep that produced the v3 config) in experiments/retrain_roadmap.md.

Usage

Drop-in via sentence-transformers

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("Stffens/bge-small-rrf-v3")
embeddings = model.encode(["what is hybrid retrieval?"], normalize_embeddings=True)

Inside vstash

vstash reindex --model Stffens/bge-small-rrf-v3

As a search / RAG backbone

Same API as bge-small-en-v1.5: 384 dimensions, cosine similarity, instruction-free encoding. Drop into any retrieval stack built around the base model.

Training recipe

Reproducible via the published notebook retrain_t1_4_multi_beir.ipynb after setting total_triples=60000. Single command:

vstash retrain-multi \
    --store scifact=./scifact.db \
    --store nfcorpus=./nfcorpus.db \
    --store fiqa=./fiqa.db \
    --sampling-strategy temperature \
    --sampling-temperature 0.5 \
    --total-triples 60000 \
    --epochs 2 --lr 3e-6 --batch-size 32 \
    --bulk-mine --bulk-eval \
    --seed 42 \
    --output ./bge-small-rrf-v3

Pipeline

  1. Ingest SciFact (5183 docs), NFCorpus (3633), FiQA (57638) into separate vstash stores.
  2. Sample training queries from BEIR queries.jsonl + qrels (v5 labeled-query recipe).
  3. Mine hard negatives via vec-heavy / FTS-heavy RRF disagreement on each store.
  4. Train one model on the union with MNRL for 2 epochs.
  5. Evaluate per-dataset; promote the candidate only if macro NDCG@10 exceeds the base.

Hyperparameters

KeyValue
Base modelBAAI/bge-small-en-v1.5
LossMultipleNegativesRankingLoss
Total training triples60,000 (target) / 39,852 (emitted)
Samplingtemperature, alpha=0.5
Epochs2
Learning rate3e-6
Batch size32
Warmup steps50
max_seq_length256
Mixed precisionFP16 (AMP on)
Seed42
Training hardwareNVIDIA A100
Training time~15 minutes

Limitations

  • English only. The base model and training data are English. Cross-lingual retrieval may regress vs a multilingual model.
  • NFCorpus still saturates. Even at 2x volume, the NFCorpus NDCG@10 stays around 0.376, short of v5's published 0.409. The gap is likely model-capacity (33M params) and can be closed by a cross-encoder reranker on top; see vstash's T2.4 design doc.
  • Domain-specific corpora (clinical, legal, heavily-jargoned) may benefit more from retraining with vstash retrain-multi --store mydomain=... on top of v3 than from v3 out of the box.

Citation

@software{vstash_bge_small_rrf_v3_2026,
  author  = {Steffens, Jay},
  title   = {bge-small-rrf-v3: self-supervised retrieval fine-tune of BGE-small via vstash},
  year    = {2026},
  url     = {https://huggingface.co/Stffens/bge-small-rrf-v3}
}

For vstash itself:

@software{vstash_bge_small_rrf_v3_2026,
  author  = {Steffens, Jayson},
  title   = {bge-small-rrf-v3: self-supervised retrieval fine-tune of BGE-small via vstash},
  year    = {2026},
  url     = {https://huggingface.co/Stffens/bge-small-rrf-v3}
}
@misc{steffens2026vstash,
  author        = {Steffens, Jayson},
  title         = {vstash: Local-First Hybrid Retrieval with Adaptive Fusion for LLM Agents},
  year          = {2026},
  eprint        = {2604.15484},
  archivePrefix = {arXiv},
  primaryClass  = {cs.IR},
  url           = {https://arxiv.org/abs/2604.15484}
}
@software{vstash_2026,
  author  = {Steffens, Jayson},
  title   = {vstash: local-first document memory with instant semantic search},
  year    = {2026},
  url     = {https://github.com/stffns/vstash}
}

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
a4269bb

0 моделей