/ Модель

Характеристики

Контекст
512 токенов
Параметры
526 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
2 мар 2022

sbert_large_nlu_ru

ЭмбеддингиТекст → embedding10 профессий

Русскоязычная BERT large модель для преобразования предложений в эмбеддинги и решения задач семантического поиска и сравнения текстов.

144 тыс.скачиваний за 30 дней104лайкавеса обновлены18 апр 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 оценки27

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MassiveScenarioClassification

    main_score

    Результат

    0,073

    Общий результат 0,2439
    MTEB

    Публичная таблицадругая ревизия

  • IndicLangClassification

    main_score

    Результат

    0,146

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLRetrieval

    main_score

    Результат

    0,0018

    Общий результат 0,0013
    MTEB

    Публичная таблицадругая ревизия

  • SIB200ClusteringS2S

    main_score

    Результат

    0,0397

    Общий результат 0,1875Общий результат 0,0475Общий результат 0,045
    MTEB

    Публичная таблицадругая ревизия

  • ToxicChatClassification

    main_score

    Результат

    0,6806

    MTEB

    Публичная таблицадругая ревизия

  • ARCChallenge

    main_score

    Результат

    0,018

    MTEB

    Публичная таблицадругая ревизия

  • Tatoeba

    main_score

    Результат

    0,0008

    Общий результат 0,0022Общий результат 0,0001
    MTEB

    Публичная таблицадругая ревизия

  • XPQARetrieval

    main_score

    Результат

    0,0203

    Общий результат 0,0467
    MTEB

    Публичная таблицадругая ревизия

  • MultiEURLEXMultilabelClassification

    main_score

    Результат

    0,019

    Общий результат 0,0109
    MTEB

    Публичная таблицадругая ревизия

  • MassiveIntentClassification

    main_score

    Результат

    0,1747

    Общий результат 0,1437Общий результат 0,1182Общий результат 0,0229
    MTEB

    Публичная таблицадругая ревизия

  • TwentyNewsgroupsClustering

    main_score

    Результат

    0,1355

    MTEB

    Публичная таблицадругая ревизия

  • CodeEditSearchRetrieval

    main_score

    Результат

    0,0244

    Общий результат 0,0272Общий результат 0,0171
    MTEB

    Публичная таблицадругая ревизия

  • PIQA

    main_score

    Результат

    0,0165

    MTEB

    Публичная таблицадругая ревизия

  • MLQARetrieval

    main_score

    Результат

    0,0146

    Общий результат 0,0344
    MTEB

    Публичная таблицадругая ревизия

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,004

    Общий результат 0,0058Общий результат 0,0038Общий результат 0,0028
    MTEB

    Публичная таблицадругая ревизия

  • NusaX-senti

    main_score

    Результат

    0,522

    MTEB

    Публичная таблицадругая ревизия

  • SNLHierarchicalClusteringS2S

    main_score

    Результат

    0,4416

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLReranking

    main_score

    Результат

    0,0213

    Общий результат 0,025
    MTEB

    Публичная таблицадругая ревизия

  • STS17

    main_score

    Результат

    0,1105

    MTEB

    Публичная таблицадругая ревизия

  • MultiHateClassification

    main_score

    Результат

    0,5304

    MTEB

    Публичная таблицадругая ревизия

  • STS22.v2

    main_score

    Результат

    0,086

    MTEB

    Публичная таблицадругая ревизия

  • WikiClusteringP2P.v2

    main_score

    Результат

    0,0407

    MTEB

    Публичная таблицадругая ревизия

  • SinhalaNewsClassification

    main_score

    Результат

    0,3563

    MTEB

    Публичная таблицадругая ревизия

  • DBPedia

    main_score

    Результат

    0,0023

    MTEB

    Публичная таблицадругая ревизия

  • CUREv1

    main_score

    Результат

    0,0021

    MTEB

    Публичная таблицадругая ревизия

  • WikipediaRerankingMultilingual

    main_score

    Результат

    0,3214

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackWebmastersRetrieval

    main_score

    Результат

    0,0217

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ai-forever/sbert_large_nlu_ru — русскоязычная модель семейства BERT large от команды SberDevices для получения векторных представлений предложений. Она предназначена для кодирования текста в эмбеддинги; в README для повышения качества рекомендуется усреднять представления токенов. Модель можно применять для поиска и сравнения текстов по смыслу, кластеризации и других задач на основе эмбеддингов.

Модель имеет архитектуру BertModel и содержит около 525,7 млн параметров. Она принимает текст на русском языке, поддерживает контекст до 512 токенов и распространяется в форматах PyTorch и Safetensors. Лицензия — MIT.

Сценарии применения

  • получение эмбеддингов русских предложений
  • семантический поиск по русскоязычным документам
  • поиск похожих текстов
  • кластеризация русских текстов
  • сравнение предложений по смыслу

Ограничения

Контекст ограничен 512 токенами. Для получения более качественных эмбеддингов README рекомендует использовать усреднение представлений токенов.

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

BERT large model (uncased) for Sentence Embeddings in Russian language.

The model is described in this article
For better quality, use mean token embeddings.

Usage (HuggingFace Models Repository)

You can use the model directly from the model repository to compute sentence embeddings:

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    sum_embeddings = torch.sum(token_embeddings * input_mask_expanded, 1)
    sum_mask = torch.clamp(input_mask_expanded.sum(1), min=1e-9)
    return sum_embeddings / sum_mask



#Sentences we want sentence embeddings for
sentences = ['Привет! Как твои дела?',
             'А правда, что 42 твое любимое число?']

#Load AutoModel from huggingface model repository
tokenizer = AutoTokenizer.from_pretrained("ai-forever/sbert_large_nlu_ru")
model = AutoModel.from_pretrained("ai-forever/sbert_large_nlu_ru")

#Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, max_length=24, return_tensors='pt')

#Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

#Perform pooling. In this case, mean pooling
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

Authors

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
89deeaa

0 моделей