/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Архитектура
bert · dense
Базовая модель
multilingual-e5-small
Библиотека
sentence-transformers
Опубликована
9 сен 2026

turkish_focused-multilingual-e5-small

ЭмбеддингиТекст → embedding10 профессий

Компактная многоязычная BERT-модель эмбеддингов, адаптированная для поиска на турецком языке и межъязыкового сопоставления текстов.

738скачиваний за 30 дней1лайквеса обновлены14 сен 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

Yigit-Karaman/turkish_focused-multilingual-e5-small — дообученная модель эмбеддингов на основе intfloat/multilingual-e5-small. Разработчик адаптировал её с помощью LoRA к поиску на турецком языке и межъязыковому сопоставлению, сохранив возможности базовой модели для поиска научных и фактологических текстов на английском языке. Адаптер объединён с базовыми весами, поэтому модель можно использовать через sentence-transformers без отдельного подключения PEFT.

Модель построена на архитектуре BERT, содержит 124,3 млн параметров и обрабатывает текст с контекстом до 512 токенов. Она предназначена для получения эмбеддингов, семантического поиска и сравнения предложений; карточка также сообщает об оценке на 11 задачах MTEB и приводит результаты для части из них. В обучении использовались англоязычные и турецкоязычные пары, включая общие QA-данные и специализированные данные для поиска. Лицензия в предоставленных сведениях не приведена.

Сценарии применения

  • семантический поиск по турецким документам
  • поиск турецких текстов по запросам на другом языке
  • сопоставление турецких вопросов и фрагментов документов
  • поиск англоязычных научных и фактологических текстов
  • сравнение смысловой близости предложений

Ограничения

Контекст ограничен 512 токенами. Карточка описывает прирост на отдельных задачах MTEB, но не содержит полной таблицы результатов и не указывает лицензию.

Для каких профессий подходит10

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

turkish_focused-multilingual-e5-small (V4 LoRA)

This is a domain adapted embedding model based on intfloat/multilingual-e5-small. It has been fine-tuned using Low-Rank Adaptation (LoRA) to significantly boost Turkish-language retrieval and cross-lingual alignment while strictly preserving the base model's English scientific and factoid retrieval capabilities.

🚀 Architecture & Training

To avoid catastrophic forgetting of pre-trained weights, this model utilizes Low-Rank Adaptation (LoRA) via PEFT. Only the attention matrices (query, key, value, dense) were adapted, keeping base representations stable.

  • Base Model: intfloat/multilingual-e5-small
  • LoRA Config: $r=16$, $\alpha=32$, dropout $= 0.05$
  • Epochs: 1.5
  • Batch Size: 160
  • Learning Rate: 3e-5 (warmup: 281 steps)
  • Hardware: Local NVIDIA GeForce RTX 4060 (8GB VRAM)

📚 Training Dataset Composition (300,000 Pairs)

The model was trained on a balanced ~300k-pair corpus designed to blend general QA, instruction-following, and specialized Turkish retrieval:

  • English Retention Corpus (100,000 pairs):
    • rajpurkar/squad
    • yahma/alpaca-cleaned
    • databricks/databricks-dolly-15k
  • Turkish General Corpus (150,000 pairs):
    • boun-tabi/squad_tr
    • merve/turkish_instructions
    • atasoglu/databricks-dolly-15k-tr
  • Targeted Turkish Corpus (50,000 pairs):
    • 30,000 pairs: trmteb/turkish_embedding_model_training_data
    • 10,000 pairs: AhiskaAI/Ahiska-Turkish-Language-Dataset (passages paired with synthetic queries generated via gpt-5.6-luna and local LLM inference)
    • 10,000 pairs: NumanKaanKaratas/turkish-sentences (passages paired with synthetic queries generated via gpt-5.6-luna and local LLM inference)

📊 MTEB Benchmark Evaluation

Evaluated across 11 tasks comparing the merged LoRA model against the original intfloat/multilingual-e5-small base:

Taskbase_e5my_custom_e5_loraDelta
BelebeleRetrieval0.76320.8262+0.0630
STS170.61330.6563+0.0430
STS22.v20.64280.6734+0.0306
MKQARetrieval0.09380.1039+0.0101
TurkishMovieSentiment0.68270.6810-0.0017
TurHistQuadRetrieval0.43290.4310-0.0019
STSBenchmark0.83590.8329-0.0030
XQuADRetrieval0.97550.9668-0.0087
NFCorpus0.30500.2908-0.0142
TurkishProductSentiment0.58730.5679-0.0194
SciFact0.66940.6480-0.0214

💻 Usage

The PEFT adapter matrices have been fused directly into the base weights (merge_and_unload()), allowing direct usage via sentence-transformers without needing peft:

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("Yigit-Karaman/turkish_focused-multilingual-e5-small")

# E5 models require query/passage prefixes
query = "query: Bilgi erişimi modellerinde LoRA nasıl çalışır?"
doc = "passage: Düşük dereceli uyarlama (LoRA), temel ağırlıkları dondurup dikkat katmanlarına eğitilebilir matrisler ekleyerek çalışır."

embeddings = model.encode([query, doc], normalize_embeddings=True)
similarity = embeddings[0] @ embeddings[1]

print(f"Cosine Similarity: {similarity:.4f}")

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
05c086c

0 моделей