/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Архитектура
bert · dense
Базовая модель
multilingual-e5-small
Библиотека
sentence-transformers
Опубликована
7 дек 2024

multilingual-e5-small-aligned

ЭмбеддингиТекст → embedding13 профессий

Дообученная многоязычная BERT-модель создаёт 384-мерные эмбеддинги для семантического поиска и сравнения текстов.

97скачиваний за 30 дней0лайковвеса обновлены4 янв 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

agentlans/multilingual-e5-small-aligned — дообученная модель Sentence Transformers на основе intfloat/multilingual-e5-small, разработанная для сопоставления предложений и абзацев в общем векторном пространстве. Архитектура основана на BERT: модель усредняет токенные представления, нормализует результат и выдаёт плотные эмбеддинги размерности 384. Максимальная длина последовательности — 512 токенов; для сравнения используется косинусное сходство.

Модель подходит для семантического поиска, сравнения смысловой близости текстов, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. Она обучалась на парах предложений из набора agentlans/en-translations с функцией потерь MultipleNegativesRankingLoss, что указывает на межъязыковое выравнивание переводов. Карточка не перечисляет поддерживаемые языки, поэтому конкретные языковые коды не приводятся. Лицензия в предоставленных данных не указана.

Сценарии применения

  • семантический поиск по коллекции документов
  • сравнение смысловой близости предложений
  • поиск перефразировок и похожих формулировок
  • кластеризация текстов по смыслу
  • классификация текстов с использованием эмбеддингов

Ограничения

Максимальная длина входной последовательности составляет 512 токенов. В предоставленных данных не указаны лицензия и конкретный перечень поддерживаемых языков.

Для каких профессий подходит13

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

SentenceTransformer based on intfloat/multilingual-e5-small

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-small. It maps sentences & paragraphs to a 384-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: intfloat/multilingual-e5-small
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 384 dimensions
  • Similarity Function: Cosine Similarity

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

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 🤗 Hub
model = SentenceTransformer("agentlans/multilingual-e5-small-aligned")
# Run inference
sentences = [
    'What do they think it is that prevents the products of human ingenuity from being themselves, fruits of the tree of life, and hence, in some sense, obeying evolutionary rules?',
    'Կարծում եք ի՞նչն է խանգարում, որ մարդկային հնարամտության արդյունքները իրենք էլ լինեն կյանքի ծառի պտուղներ և այդպիսով ինչ-որ իմաստով ենթարկվեն էվոլուցիայի կանոններին:',
    '(Smiech) No dobre, idem do Ameriky.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Training Details

Training Dataset

Unnamed Dataset

  • Size: 867,042 training samples
  • Columns: sentence_0 and sentence_1
  • Approximate statistics based on the first 1000 samples:
    sentence_0sentence_1
    typestringstring
    detailsmin: 3 tokensmean: 21.83 tokensmax: 177 tokensmin: 4 tokensmean: 24.92 tokensmax: 229 tokens
  • Samples:
    sentence_0sentence_1
    I like English best of all subjects.Tykkään englannista eniten kaikista aineista.
    We shall offer negotiations. Quite right.- Oferecer-nos-emos para negociar.
    It was soon learned that Zelaya had been taken to Costa Rica, where he continued to call himself as the legal head of state.Al snel werd bekend dat Zelaya naar Costa Rica was overgebracht, waar hij zich nog steeds het officiële staatshoofd noemde.
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim"
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • num_train_epochs: 1
  • multi_dataset_batch_sampler: round_robin

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: no
  • prediction_loss_only: True
  • per_device_train_batch_size: 8
  • per_device_eval_batch_size: 8
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 1
  • eval_accumulation_steps: None
  • torch_empty_cache_steps: None
  • learning_rate: 5e-05
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1
  • num_train_epochs: 1
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.0
  • warmup_steps: 0
  • log_level: passive
  • log_level_replica: warning
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • save_safetensors: True
  • save_on_each_node: False
  • save_only_model: False
  • restore_callback_states_from_checkpoint: False
  • no_cuda: False
  • use_cpu: False
  • use_mps_device: False
  • seed: 42
  • data_seed: None
  • jit_mode_eval: False
  • use_ipex: False
  • bf16: False
  • fp16: False
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • fsdp: []
  • fsdp_min_num_params: 0
  • fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
  • fsdp_transformer_layer_cls_to_wrap: None
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch
  • optim_args: None
  • adafactor: False
  • group_by_length: False
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • skip_memory_metrics: True
  • use_legacy_prediction_loop: False
  • push_to_hub: False
  • resume_from_checkpoint: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_private_repo: False
  • hub_always_push: False
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_inputs_for_metrics: False
  • include_for_metrics: []
  • eval_do_concat_batches: True
  • fp16_backend: auto
  • push_to_hub_model_id: None
  • push_to_hub_organization: None
  • mp_parameters:
  • auto_find_batch_size: False
  • full_determinism: False
  • torchdynamo: None
  • ray_scope: last
  • ddp_timeout: 1800
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • dispatch_batches: None
  • split_batches: None
  • include_tokens_per_second: False
  • include_num_input_tokens_seen: False
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • eval_on_start: False
  • use_liger_kernel: False
  • eval_use_gather_object: False
  • average_tokens_across_devices: False
  • prompts: None
  • batch_sampler: batch_sampler
  • multi_dataset_batch_sampler: round_robin

Training Logs

EpochStepTraining Loss
0.00465000.0378
0.009210000.0047
0.013815000.006
0.018520000.0045
0.023125000.0027
0.027730000.005
0.032335000.0045
0.036940000.005
0.041545000.0066
0.046150000.0029
0.050755000.0041
0.055460000.0064
0.060065000.0044
0.064670000.0039
0.069275000.0025
0.073880000.0026
0.078485000.0036
0.083090000.0027
0.087795000.0015
0.0923100000.003
0.0969105000.0013
0.1015110000.002
0.1061115000.0038
0.1107120000.0017
0.1153125000.0029
0.1199130000.0032
0.1246135000.0036
0.1292140000.004
0.1338145000.0036
0.1384150000.0025
0.1430155000.0022
0.1476160000.0017
0.1522165000.0019
0.1569170000.0022
0.1615175000.0028
0.1661180000.0033
0.1707185000.0025
0.1753190000.0014
0.1799195000.0033
0.1845200000.0023
0.1891205000.0023
0.1938210000.0009
0.1984215000.0043
0.2030220000.0021
0.2076225000.0025
0.2122230000.0017
0.2168235000.0024
0.2214240000.0021
0.2261245000.0023
0.2307250000.0014
0.2353255000.0027
0.2399260000.0025
0.2445265000.0022
0.2491270000.0022
0.2537275000.0024
0.2583280000.0035
0.2630285000.0032
0.2676290000.0048
0.2722295000.0008
0.2768300000.0027
0.2814305000.004
0.2860310000.0013
0.2906315000.002
0.2953320000.0016
0.2999325000.0027
0.3045330000.0014
0.3091335000.0022
0.3137340000.0017
0.3183345000.0022
0.3229350000.0026
0.3275355000.003
0.3322360000.0022
0.3368365000.0022
0.3414370000.0018
0.3460375000.0028
0.3506380000.0018
0.3552385000.0037
0.3598390000.003
0.3645395000.002
0.3691400000.001
0.3737405000.0015
0.3783410000.0023
0.3829415000.0017
0.3875420000.0034
0.3921425000.0016
0.3967430000.0019
0.4014435000.0015
0.4060440000.0026
0.4106445000.0012
0.4152450000.0014
0.4198455000.0027
0.4244460000.0016
0.4290465000.0027
0.4337470000.0033
0.4383475000.0023
0.4429480000.0024
0.4475485000.0019
0.4521490000.0017
0.4567495000.004
0.4613500000.0036
0.4659505000.001
0.4706510000.0016
0.4752515000.0024
0.4798520000.0009
0.4844525000.0011
0.4890530000.0018
0.4936535000.0012
0.4982540000.0012
0.5029545000.0014
0.5075550000.0025
0.5121555000.0016
0.5167560000.0015
0.5213565000.002
0.5259570000.0008
0.5305575000.0017
0.5351580000.0015
0.5398585000.0009
0.5444590000.0019
0.5490595000.0014
0.5536600000.0028
0.5582605000.0014
0.5628610000.0032
0.5674615000.0013
0.5721620000.002
0.5767625000.0018
0.5813630000.0015
0.5859635000.0008
0.5905640000.0021
0.5951645000.0008
0.5997650000.002
0.6043655000.0023
0.6090660000.0022
0.6136665000.0013
0.6182670000.0011
0.6228675000.0014
0.6274680000.0027
0.6320685000.002
0.6366690000.0013
0.6413695000.0026
0.6459700000.0014
0.6505705000.0017
0.6551710000.0023
0.6597715000.0025
0.6643720000.0013
0.6689725000.0008
0.6735730000.0017
0.6782735000.0022
0.6828740000.0021
0.6874745000.0008
0.6920750000.0007
0.6966755000.0038
0.7012760000.0011
0.7058765000.0016
0.7105770000.0013
0.7151775000.0042
0.7197780000.0009
0.7243785000.0004
0.7289790000.0006
0.7335795000.0007
0.7381800000.0014
0.7428805000.002
0.7474810000.0017
0.7520815000.0014
0.7566820000.0015
0.7612825000.0013
0.7658830000.001
0.7704835000.0019
0.7750840000.0009
0.7797845000.0021
0.7843850000.0015
0.7889855000.001
0.7935860000.0008
0.7981865000.0039
0.8027870000.0018
0.8073875000.0009
0.8120880000.0018
0.8166885000.0008
0.8212890000.0007
0.8258895000.0009
0.8304900000.002
0.8350905000.001
0.8396910000.0007
0.8442915000.0008
0.8489920000.0021
0.8535925000.0013
0.8581930000.0009
0.8627935000.002
0.8673940000.0012
0.8719945000.0034
0.8765950000.0027
0.8812955000.0006
0.8858960000.002
0.8904965000.0005
0.8950970000.0009
0.8996975000.0007
0.9042980000.0015
0.9088985000.0006
0.9134990000.0004
0.9181995000.0006
0.92271000000.0031
0.92731005000.0013
0.93191010000.0024
0.93651015000.0006
0.94111020000.0017
0.94571025000.0007
0.95041030000.0012
0.95501035000.0011
0.95961040000.0007
0.96421045000.0004
0.96881050000.0021
0.97341055000.0027
0.97801060000.0016
0.98261065000.0022
0.98731070000.0017
0.99191075000.0009
0.99651080000.0008

Framework Versions

  • Python: 3.10.12
  • Sentence Transformers: 3.3.0
  • Transformers: 4.46.3
  • PyTorch: 2.5.1+cu124
  • Accelerate: 1.1.1
  • Datasets: 3.1.0
  • Tokenizers: 0.20.3

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

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
2876d21

0 моделей