/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
multilingual-e5-small
Библиотека
sentence-transformers
Опубликована
21 июн 2026

devdata-search-multilingual-e5-small-cgist

ЭмбеддингиТекст → embedding5 профессий

Многоязычная BERT-модель эмбеддингов для семантического поиска по структурированным статистическим метаданным.

114скачиваний 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-multilingual-e5-small-cgist — компактную bi-encoder модель эмбеддингов на архитектуре BERT, дообученную на базе intfloat/multilingual-e5-small для поиска по структурированным статистическим метаданным. Модель создаёт векторы запросов и описаний показателей, чтобы находить семантически подходящие записи; это компонент для построения поиска, а не размещённый поисковый сервис.

При обучении на DevDataBench применялись перестановка полей и их случайное исключение, чтобы модель связывала смысл данных с названиями полей, а не с их порядком в сериализации. Для кодирования запросов и документов используются префиксы «query: » и «passage: ». Модель содержит 124,3 млн параметров, принимает текст длиной до 512 токенов и распространяется в формате safetensors с лицензией Apache-2.0.

Модель предназначена для поиска по статистическим показателям и метаданным наборов данных. Качество поиска зависит от соблюдения формата сериализации и префиксов; модель создаёт эмбеддинги, но сама не выполняет поиск по индексу и не предоставляет сервис.

Сценарии применения

  • поиск статистических показателей по текстовому запросу
  • сопоставление запроса с описаниями показателей
  • поиск метаданных с переставленным порядком полей
  • межъязыковой поиск по описаниям статистических данных

Ограничения

Ограничение длины входа — 512 токенов; при кодировании следует добавлять префиксы «query: » и «passage: ». Модель создаёт эмбеддинги, но для поиска требуется отдельный индекс или поисковая система.

Для каких профессий подходит5

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

devdata-search-multilingual-e5-small-cgist

A bi-encoder embedding model for search over structured statistical metadata, part of the DevData Search family. It is a fine-tune of intfloat/multilingual-e5-small 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: intfloat/multilingual-e5-small
  • Loss: cgist
  • Field permutation: True; field dropout: 0.15
  • Max sequence length: 512
  • Query prefix: query: ; document prefix: passage: (prepend these when encoding)

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("ai4data/devdata-search-multilingual-e5-small-cgist")
queries = ["query: " + "mobile-broadband subscriptions per 100 people"]
docs = ["passage: " + "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 intfloat/multilingual-e5-small; 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
be9282e

0 моделей