/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
2 сен 2026

mplads-ls-encoder

ЭмбеддингиТекст → embedding

Дообученная многоязычная модель создаёт эмбеддинги описаний работ MPLADS для поиска сходных записей и поддержки выявления мошенничества.

21скачиваний за 30 дней0лайковвеса обновлены2 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

ZeroiJ разработала MPLADS Lok Sabha Embedding Model — дообученную модель на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 для создания эмбеддингов описаний работ в рамках MPLADS, программы развития местных территорий в Индии. Модель использует архитектуру BERT и содержит 124,3 млн параметров; максимальная длина входа — 512 токенов.

Модель обучена на подобранных парах описаний работ с контрастивной функцией потерь на основе косинусного сходства. Она выдаёт 384-мерные L2-нормализованные векторы и подходит для поиска семантически похожих записей и сравнения описаний при выявлении потенциального мошенничества. В README указана точность по косинусному сходству около 96,3% на валидации. Поддерживаются английский и индийские языки, включая хинди, тамильский, телугу, бенгальский, маратхи, гуджарати, каннада, малаялам, панджаби, урду, ория, ассамский, синдхи, непали и сингальский. Лицензия — Apache-2.0.

Сценарии применения

  • поиск семантически похожих описаний работ MPLADS
  • сопоставление заявок на инфраструктурные работы
  • поиск дублирующихся описаний проектов
  • сравнение записей о работах на английском и индийских языках
  • поддержка демонстрационной системы выявления мошенничества в MPLADS

Ограничения

Модель специализирована на описаниях работ MPLADS и может хуже работать на текстах других предметных областей. Контекст ограничен 512 токенами; указанная точность относится к валидации на данных этой задачи.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MPLADS Lok Sabha Embedding Model

Fine-tuned paraphrase-multilingual-MiniLM-L12-v2 for Lok Sabha MPLADS work descriptions.

Use with sentence-transformers

from sentence_transformers import SentenceTransformer
model = SentenceTransformer("ZeroiJ/mplads-ls-encoder")
emb = model.encode("construction of pucca road in Gram Panchayat")

Use with the Hugging Face Inference API

curl https://api-inference.huggingface.co/models/ZeroiJ/mplads-ls-encoder \
  -X POST \
  -H "Authorization: Bearer ${HF_TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{"inputs": "construction of pucca road in Gram Panchayat"}'

Model details

  • Base: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
  • Fine-tuning objective: cosine-similarity contrastive loss on curated MPLADS work pairs
  • Output: 384-dimensional L2-normalized embeddings
  • Validation cosine accuracy: ~96.3%
  • Built for the MPLADS (SIH26102) fraud-detection demo.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
96db17b

0 моделей