/ Модель

Характеристики

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

devdata-search-multilingual-e5-small-cgist-guide-e5cgist

ЭмбеддингиТекст → embedding5 профессий

Многоязычная модель эмбеддингов для семантического поиска по структурированным статистическим метаданным с устойчивостью к изменению порядка полей.

114скачиваний за 30 дней0лайковвеса обновлены25 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 эту bi-encoder модель эмбеддингов для поиска по структурированным статистическим метаданным. Модель дообучена на DevDataBench на основе intfloat/multilingual-e5-small с перестановкой порядка полей и их исключением в обучающих примерах, чтобы сопоставлять смысл с названиями полей независимо от порядка сериализации. Использована функция потерь CGIST и guide-модель ai4data/devdata-search-multilingual-e5-small-cgist.

Модель предназначена для семантического поиска и подбора запросов к описаниям статистических показателей и наборов метаданных. Это компонент для построения поиска, а не готовый размещённый поисковый сервис. При кодировании README рекомендует добавлять к запросам префикс «query: », а к документам — «passage: ».

Архитектура — плотный BERT на базе multilingual-e5-small, библиотека Sentence Transformers; размер — 124,3 млн параметров, максимальная длина входа — 512 токенов. Модель создаёт текстовые эмбеддинги; базовая модель многоязычная, но конкретный перечень языков в карточке не приведён. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • Семантический поиск статистических показателей по текстовому запросу
  • Подбор наборов данных по описаниям их полей и метаданных
  • Поиск показателей при изменённом порядке полей в записи
  • Сопоставление запросов и описаний статистики на разных языках

Ограничения

Модель рассчитана на векторный поиск по структурированным статистическим метаданным, а не на генерацию ответов или выполнение поиска как сервиса. Максимальная длина входа составляет 512 токенов; для кодирования следует использовать префиксы «query: » и «passage: » согласно типу текста.

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-guide-e5cgist

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
  • GIST guide model: ai4data/devdata-search-multilingual-e5-small-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-guide-e5cgist")
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
9436872

0 моделей