/ Модель

Характеристики

Контекст
514 токенов
Параметры
137 млн
Архитектура
mpnet · dense
Базовая модель
all-mpnet-base-v2
Библиотека
sentence-transformers
Опубликована
5 мая 2025

mpnet-patents-v1

ЭмбеддингиТекст → embedding3 профессии

Дообученная на базе MPNet модель Sentence Transformers для семантического сравнения и векторного представления патентных текстов.

106скачиваний за 30 дней0лайковвеса обновлены16 мая 2025

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

Teux/mpnet-patents-v1 — дообученная модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2, созданная с помощью AutoTrain для семантического сравнения предложений в патентном контексте. Она кодирует текст в плотные векторы, которые можно использовать для поиска похожих патентных формулировок, сопоставления описаний и группировки текстов. Модель содержит 136,7 млн параметров, принимает текст и имеет контекст до 514 токенов.

В README приведена метрика validation loss 0,533; других результатов, позволяющих оценить качество на конкретных патентных задачах, не сообщается. Для использования подходит библиотека Sentence Transformers. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск похожих патентных формулировок
  • сопоставление описаний изобретений
  • поиск семантически близких патентных документов
  • кластеризация патентных текстов по смыслу

Ограничения

В README указана только метрика validation loss, поэтому качество для конкретных сценариев поиска и сравнения патентов по ней оценить нельзя. Контекст ограничен 514 токенами.

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

Model Trained Using AutoTrain

  • Problem type: Sentence Transformers

Validation Metrics

loss: 0.5334404706954956

runtime: 29011.1494

samples_per_second: 2.091

steps_per_second: 0.131

: 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
MPNetModel
Ревизия весов
0a1a880

0 моделей