/ Модель

Характеристики

Контекст
512 токенов
Параметры
40 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
GIST-small-Embedding-v0
Библиотека
sentence-transformers
Опубликована
21 июн 2026

devdata-search-gist-small-cmnrl

ЭмбеддингиТекст → embedding3 профессии

Биэнкодер ai4data создаёт эмбеддинги для семантического поиска по структурированным статистическим метаданным.

109скачиваний за 30 дней0лайковвеса обновлены21 июн 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

ai4data разработала devdata-search-gist-small-cmnrl — биэнкодер для создания текстовых эмбеддингов и поиска по структурированным статистическим метаданным. Модель дообучена на DevDataBench на основе avsolatorio/GIST-small-Embedding-v0 с функцией потерь cmnrl. При обучении порядок полей перемешивался, а часть полей случайно исключалась, чтобы модель связывала значения с названиями полей, а не с их позицией в записи.

Модель предназначена для семантического поиска и сопоставления запросов с записями метаданных, например поиска статистических показателей по описанию. Она принимает текстовые запросы и описания записей, выдаёт эмбеддинги для последующего ранжирования или поиска. Используется через Sentence Transformers; это модель для построения поисковой системы, а не готовый хостинговый сервис. Размер — 40 млн параметров, максимальная длина последовательности — 512 токенов; префиксы запросов и документов не требуются.

Модель распространяется по лицензии Apache-2.0. README не указывает поддерживаемые языки; базовая модель описана в каталоге как англоязычная, поэтому пригодность для других языков не подтверждена.

Сценарии применения

  • поиск статистических показателей по текстовому запросу
  • сопоставление запросов с записями статистических метаданных
  • семантический поиск по названиям и описаниям показателей
  • построение векторного индекса для каталога статистических данных

Ограничения

Максимальная длина последовательности составляет 512 токенов. Поддержка языков помимо английского в доступных материалах не подтверждена.

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

devdata-search-gist-small-cmnrl

A bi-encoder embedding model for search over structured statistical metadata, part of the DevData Search family. It is a fine-tune of avsolatorio/GIST-small-Embedding-v0 produced with schema-invariant fine-tuning on DevDataBench: full-schema serialization with per-example field-order permutation and field dropout, so the encoder binds meaning to field labels rather than to serialization order. This is an embedding model that powers retrieval; it is not a hosted search service.

See the paper Field Order Should Not Matter: Permutation-Invariant Fine-Tuning for Structured Metadata Retrieval.

Training

  • Base model: avsolatorio/GIST-small-Embedding-v0
  • Loss: cmnrl
  • Field permutation: True; field dropout: 0.15
  • Max sequence length: 512
  • No query/document prefixes

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("ai4data/devdata-search-gist-small-cmnrl")
queries = ["mobile-broadband subscriptions per 100 people, reported annually"]
docs = ["name: Active mobile-broadband subscriptions | ..."]
q = model.encode(queries)
d = model.encode(docs)

Cosine similarity of q and d ranks documents for each query.

License

Apache-2.0. Derived from avsolatorio/GIST-small-Embedding-v0; trained on public World Bank Data360 metadata.

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
7a41e54

0 моделей