/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
paraphrase-multilingual-MiniLM-L12-v2
Опубликована
12 сен 2026

multilingual-MiniLM-L12-v2-harrier

ПереводТекст → текст10 профессий

Компактный многоязычный BERT-кодировщик для межъязыкового семантического поиска, сравнения текстов и фильтрации корпусов.

35скачиваний за 30 дней0лайковвеса обновлены12 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 «Текст» — 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

Multilingual MiniLM-L12-v2 (Harrier-Distilled) — компактный многоязычный кодировщик предложений, дообученный командой agentlans методом дистилляции эмбеддингов на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 с учителем microsoft/harrier-oss-v1-270m. Модель содержит 124,3 млн параметров, использует архитектуру BERT и принимает текстовые последовательности длиной до 512 токенов. Для работы требуется вспомогательный пакет, поскольку модель использует обученный проекционный слой.

Модель предназначена для межъязыкового семантического поиска, сравнения сходства текстов, кластеризации и фильтрации корпусов, включая параллельные и переводные данные. Она рассчитана на высокую пропускную способность при умеренных вычислительных затратах и ориентирована на многоязычные сценарии. Лицензия — Apache-2.0.

Качество может снижаться для малоресурсных языковых вариантов и узкоспециализированной терминологии. Размерности и архитектура отличаются от учительской модели, поэтому её представления не взаимозаменяемы с представлениями учителя.

Сценарии применения

  • межъязыковой семантический поиск по документам
  • поиск похожих предложений на разных языках
  • сравнение семантического сходства текстов
  • кластеризация многоязычных текстов
  • удаление дубликатов в корпусах
  • фильтрация переводных и параллельных корпусов

Ограничения

Качество может быть ниже для малоресурсных диалектов и узкоспециализированной терминологии. Для работы нужен вспомогательный пакет с проекционным слоем, а размерности и архитектура не совпадают с учительской моделью.

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

Multilingual MiniLM-L12-v2 (Harrier-Distilled)

This model is a high-performance, lightweight sentence encoder aligned via embedding distillation to a top-performing cross-lingual teacher model from the MTEB leaderboard. Designed for high-throughput multilingual tasks, it delivers strong semantic retrieval capabilities while maintaining the speed and efficiency of a compact student architecture.

Model Details

ParameterValue
Student Backbonesentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
Teacher Modelmicrosoft/harrier-oss-v1-270m
Best Epoch10
Validation Cosine Similarity0.9377
Best Validation MSE0.000195
Learning Rate2e-05
Batch Size16
Max Sequence Length256
LicenseApache 2.0

Validation History

EpochTrain LossVal MSEVal Cosine Similarity
10.0004930.0002770.9114
20.0002490.0002340.9250
30.0002240.0002200.9297
40.0002120.0002110.9325
50.0002030.0002040.9346
60.0001970.0002000.9361
70.0001930.0001970.9370
80.0001900.0001950.9374
90.0001880.0001950.9377
100.0001870.0001950.9377 (Best)

Installation

Because this model couples a transformer backbone with a trained projection layer, it requires the custom helper package:

pip install git+https://github.com/agentlans/proj-embed.git

Quick Start

from proj_embed import ProjEmbed

# Initialize the model (loads backbone and projection weights automatically)
model = ProjEmbed("agentlans/multilingual-MiniLM-L12-v2-harrier")

# Generate L2-normalized embeddings for a single text or a batch
embeddings = model.embed(["Hello world", "Greetings from ProjEmbed"])
print(embeddings.shape)  # torch.Size([2, 640])

# Compute cosine similarity between two texts
similarity_score = model.similarity("Machine learning is fascinating.", "AI and deep learning are amazing.")
print(f"Similarity: {similarity_score:.4f}") # Similarity: 0.7600

Intended Use

  • Cross-Lingual Retrieval: Fast semantic search across multiple languages with reduced compute overhead.
  • Dataset Filtering: Efficient processing, cleaning, and filtering of large-scale translation and parallel corpora.
  • Semantic Similarity: Rapid text clustering, deduplication, and ranking.

Limitations

  • Dimension & Architecture Mismatch: Does not share the same hidden dimensions or architecture as the larger teacher model.
  • Multilingual Nuance: Performance may vary on low-resource dialects or highly domain-specific terminology compared to major-language benchmarks.

License

Apache 2.0 like the base model

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
1e0d14c

0 моделей