/ 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-cmnrl

ЭмбеддингиТекст → embedding3 профессии

Многоязычная BERT-модель эмбеддингов для семантического поиска и сопоставления структурированных статистических метаданных.

117скачиваний 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/devdata-search-multilingual-e5-small-cmnrl — компактная модель эмбеддингов с архитектурой BERT, разработанная ai4data для семантического поиска по структурированным статистическим метаданным. Это дообученная версия intfloat/multilingual-e5-small, обученная на DevDataBench с функцией потерь cmnrl и перестановкой полей и их пропуском при сериализации, чтобы представление данных меньше зависело от порядка полей. Модель кодирует запросы и записи отдельно; при использовании Sentence Transformers для запросов применяется префикс «query: », а для документов — «passage: ». Она предназначена для поиска и сопоставления записей, а не является готовым поисковым сервисом.

Модель содержит 124,3 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные эмбеддинги для извлечения признаков и оценки сходства предложений. Базовая модель многоязычная, поэтому подходит для семантического поиска на разных языках; конкретный перечень языков в предоставленных данных не задан. Репозиторий использует формат safetensors и библиотеку Sentence Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • поиск статистического показателя по текстовому запросу
  • подбор записей каталога по описанию метаданных
  • поиск по схемам с различным порядком полей
  • сопоставление статистических записей между языками

Ограничения

Модель формирует эмбеддинги и сама не предоставляет поисковый сервис. Для корректного кодирования следует использовать префиксы «query: » и «passage: »; максимальная длина последовательности — 512 токенов.

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-multilingual-e5-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 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: cmnrl
  • 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-cmnrl")
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
6a3f2a2

0 моделей