/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
all-MiniLM-L6-v2
Библиотека
transformers
Опубликована
15 июл 2026

finance-minilm-l6-v2

ЭмбеддингиТекст → embedding3 профессии

Англоязычный энкодер на базе MiniLM с расширенным финансовыми терминами словарём для векторного представления финансовых текстов.

19скачиваний за 30 дней0лайковвеса обновлены15 июл 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

finance-minilm-l6-v2 — англоязычный текстовый энкодер для финансовой терминологии, созданный adammoood на основе sentence-transformers/all-MiniLM-L6-v2. Это модель семейства BERT с 25,9 млн параметров и контекстом до 512 токенов. В словарь добавлены 15 финансовых терминов как отдельные токены; исходные 30 522 строки эмбеддингов сохранены, а эмбеддинги новых токенов инициализированы средним значением эмбеддингов их прежних субсловных частей.

Модель предназначена для извлечения признаков и создания векторных представлений финансовых текстов, которые можно применять в семантическом поиске, сравнении и кластеризации. Новые эмбеддинги служат начальной точкой для последующего дообучения на финансовом домене; дополнительного дообучения не проводилось. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • создание эмбеддингов финансовых документов
  • семантический поиск по финансовым текстам
  • сравнение финансовых предложений по смыслу
  • кластеризация финансовых документов
  • подготовка энкодера к дообучению на финансовом корпусе

Ограничения

Дополнительного дообучения на финансовом домене не проводилось: эмбеддинги новых токенов являются лишь инициализацией. Контекст ограничен 512 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

finance-minilm-l6-v2

A vocabulary-expanded version of sentence-transformers/all-MiniLM-L6-v2 adapted to the finance domain via embedding surgery.

The base model's 30,522-token WordPiece vocabulary splits core finance terminology into subword fragments (e.g. securitization → sec ##uri ##ti ##zation). This model adds 15 finance terms as single tokens with their own embeddings, leaving everything else untouched.

Added tokens

securitization, collateralized, counterparty, underwriting, hedging, liquidity, volatility, amortization, refinancing, receivables, covenants, tranche, escrow, annuity, actuarial

Base modelThis model
Vocabulary size30,52230,537
securitizationsec ##uri ##ti ##zationsecuritization
counterpartycounterpart ##ycounterparty

Method

  1. The 15 terms were selected by training a 10k WordPiece vocabulary on a finance corpus, diffing it against the base vocabulary, and hand-picking distinctly financial whole words from the 4,398 missing tokens.
  2. tokenizer.add_tokens(...) expanded the vocabulary; model.resize_token_embeddings(...) grew the embedding matrix.
  3. Pretrained embeddings are preserved exactly — all 30,522 original rows are bit-for-bit identical to the base model (verified against a pre-surgery snapshot).
  4. Each new token's embedding is initialized as the mean of the embeddings of the subword pieces it previously split into, placing it in a meaningful region of the embedding space rather than at a random point.

No further fine-tuning has been applied; the new embeddings are initializations intended as a starting point for domain fine-tuning.

Usage

import torch
import torch.nn.functional as F
from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("adammoood/finance-minilm-l6-v2")
model = AutoModel.from_pretrained("adammoood/finance-minilm-l6-v2")
model.eval()

sentences = ["The bank improved its liquidity through securitization of receivables."]
enc = tokenizer(sentences, padding=True, truncation=True, return_tensors="pt")
with torch.no_grad():
    out = model(**enc)

# Mean pooling + normalization, as in the base model
mask = enc["attention_mask"].unsqueeze(-1).float()
embeddings = F.normalize((out.last_hidden_state * mask).sum(1) / mask.sum(1), dim=1)
tokenizer.tokenize("The tranche was collateralized to reduce counterparty risk.")
# ['the', 'tranche', 'was', 'collateralized', 'to', 'reduce', 'counterparty', 'risk', '.']

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
0dab283

0 моделей