/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
paraphrase-multilingual-MiniLM-L12-v2
Библиотека
sentence-transformers
Опубликована
21 июн 2026

devdata-search-paraphrase-ml-minilm-cmnrl

ЭмбеддингиТекст → embedding3 профессии

Многоязычная модель эмбеддингов для семантического поиска и сравнения запросов со структурированными статистическими метаданными.

111скачиваний 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-paraphrase-ml-minilm-cmnrl — модель эмбеддингов bi-encoder из семейства DevData Search, разработанная ai4data для семантического поиска по структурированным статистическим метаданным. Она дообучена на DevDataBench на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 с функцией потерь cmnrl. При обучении порядок полей случайно менялся, а часть полей исключалась, чтобы модель связывала значение с названиями полей, а не с порядком сериализации.

Модель преобразует запросы и описания метаданных в векторы для последующего поиска и сравнения сходства; она сама не является поисковым сервисом. Максимальная длина последовательности — 512 токенов. Модель использует архитектуру BERT, содержит 124,3 млн параметров и распространяется в формате Safetensors; для работы указана библиотека Sentence Transformers. Многоязычная базовая модель поддерживает разные естественные языки, но конкретный список языков для этой версии не приведён.

Лицензия — Apache-2.0. Практическое применение рассчитано на retrieval по статистическим данным и их описаниям; качество на иных типах текстов и структур может отличаться. Модель не выполняет поиск самостоятельно: для выдачи результатов её эмбеддинги нужно использовать в поисковом конвейере.

Сценарии применения

  • поиск статистических показателей по текстовому запросу
  • сопоставление запроса с описаниями наборов данных
  • семантический поиск по каталогам статистических метаданных
  • ранжирование описаний показателей по близости к запросу

Ограничения

Модель выдаёт эмбеддинги, но не выполняет поиск без внешнего retrieval-конвейера. Она предназначена для структурированных статистических метаданных, поэтому качество на других типах данных не установлено; 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-paraphrase-ml-minilm-cmnrl

A bi-encoder embedding model for search over structured statistical metadata, part of the DevData Search family. It is a fine-tune of sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 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: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
  • 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-paraphrase-ml-minilm-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 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2; 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
bbf93c1

0 моделей