/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
564 млн
Лицензия
Apache 2.0
Архитектура
apertus · dense
Базовая модель
apertus-v1.1-swiss-embed-0.4b-bidir
Библиотека
sentence-transformers
Опубликована
20 авг 2026

apertus-v1.1-swiss-embed-0.4b-bidir-langmoe

ЭмбеддингиТекст → embedding9 профессий

Экспериментальная модель эмбеддингов Apertus с разреженной смесью экспертов для семантического и межъязыкового поиска, особенно на языках Швейцарии.

25скачиваний за 30 дней1лайквеса обновлены24 авг 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

andreasmartin/apertus-v1.1-swiss-embed-0.4b-bidir-langmoe — экспериментальная модель эмбеддингов для семантического и межъязыкового поиска, созданная адаптацией модели andreasmartin/apertus-v1.1-swiss-embed-0.4b-bidir. Разработчик заменил финальную плотную проекцию эмбеддинга на разреженную смесь из семи экспертов с маршрутизатором Top-2; базовые модули до проекции были заморожены. Модель содержит около 446 млн параметров, принимает текст и формирует векторные представления предложений. Метаданные указывают контекст до 4096 токенов, однако качество MoE-головы обучалось на представлениях длиной до 512 токенов и отдельно не проверялось на более длинном контексте.

Модель предназначена для извлечения релевантных документов и поиска сходных предложений, в том числе между языками Швейцарии. В карточке указаны немецкий, английский, французский и итальянский; эксперты также помечены для ретороманского и швейцарского немецкого, но эти метки являются экспериментальными и сами по себе не означают гарантированную поддержку языков. Внутренние диагностические результаты не являются внешними бенчмарками. Для загрузки артефакта требуется trust_remote_code=True, пока модуль не зарегистрирован в Sentence Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • Поиск документов по смыслу на немецком, английском, французском и итальянском
  • Межъязыковой поиск документов на швейцарских языках
  • Ранжирование кандидатов по сходству с запросом
  • Поиск похожих предложений и фрагментов текста

Ограничения

MoE-голова обучалась на представлениях длиной до 512 токенов; качество при более длинном контексте отдельно не проверено. Для загрузки требуется trust_remote_code=True, а приведённые метрики являются внутренней диагностикой, не внешними бенчмарками.

Для каких профессий подходит9

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

apertus-v1.1-swiss-embed-0.4b-bidir-langmoe

A Sentence Transformers retrieval model adapted from andreasmartin/apertus-v1.1-swiss-embed-0.4b-bidir by replacing the parent's final dense embedding projection with a learned sentence-level SparseMixtureOfExperts projection.

Architecture

existing Sentence Transformers embedding parent
    ↓
all modules before the parent's final Dense
    ↓
SparseMixtureOfExperts
    ├── learned linear router
    ├── softmax
    ├── Top-2
    └── weighted selected expert projections
    ↓
parent Normalize

This Swiss experiment uses 7 experts labelled ['de', 'en', 'fr', 'it', 'rm', 'gsw', 'shared']. The labels are experimental metadata; the MoE module itself contains no language-specific logic.

No router temperature is used.

PropertyValue
Total parameters445,696,559 (0.446B)
Active parameters / sentence440,453,679
Sparse MoE head parameters7,347,207
Active head parameters / sentence2,104,327
Router parameters7,175
Parameters / expert1,048,576
Experts7
Active experts / sentence2
Native embedding dimension1024
Matryoshka dimensions[1024, 768, 512, 256]
MoE training max length512 tokens
Inference max length1024 tokens
Sparse/reference max abs diff1.907e-06

Sentence Transformers usage

SparseMixtureOfExperts is currently exported as a repository-local candidate module. Until an equivalent module is registered upstream in Sentence Transformers, loading this experimental artifact requires trust_remote_code=True:

from sentence_transformers import SentenceTransformer

model = SentenceTransformer(
    "andreasmartin/apertus-v1.1-swiss-embed-0.4b-bidir-langmoe",
    trust_remote_code=True,
)

queries = model.encode_query([
    "Welche Aufgaben hat der Bundesrat?"
])

documents = model.encode_document([
    "Le Conseil fédéral est l'autorité exécutive suprême de la Confédération suisse.",
    "Der Nationalrat ist die grosse Kammer der Bundesversammlung.",
])

scores = model.similarity(queries, documents)
print(scores)

If SparseMixtureOfExperts becomes a registered Sentence Transformers module, the same conceptual architecture can be serialized without repository-local Python code and loaded without trust_remote_code=True.

Parent adaptation

PropertyValue
Existing embedding parentandreasmartin/apertus-v1.1-swiss-embed-0.4b-bidir
Parent revision875c1f99d7b20e261ea43b3586fdde5f8d5648e5
Parent modules['Transformer', 'Pooling', 'Dense', 'Normalize']
Replaced modulefinal Dense projection
Preserved output normalizationyes

The parent was already an embedding model. This notebook does not create or modify a native backbone-level MoE LLM.

Training

The parent modules before the final Dense projection were frozen and their sentence representations cached. The original Dense projection initialized every expert, so the model starts from the parent's embedding transformation before experts specialize.

The retrieval objective is combined with:

  • optional weak router supervision from the declared language labels;
  • a load-balancing regularizer.

The declared language is not required at inference. Routing is computed from the sentence representation itself.

Training data:

eljuanina/VotingBooklets-Diamond-v1 is held-out evaluation-only.

Actual training set: 31,483 triplets.

See training_metadata.json for the exact training configuration, router_diagnostics.json for held-out routing counts, and data_manifest.json for immutable dataset revisions and processed-file hashes.

Internal retrieval diagnostics

These metrics are internal development diagnostics, not MTEB/MMTEB benchmark claims.

DiagnosticDimAccuracy@1Recall@10nDCG@10MRR@10
Swiss monolingual102481.67%92.08%0.86620.8491
Swiss monolingual51280.42%91.67%0.86030.8424
Swiss cross-lingual102430.42%96.25%0.66230.5625
Swiss cross-lingual51230.00%95.83%0.65640.5562

Monolingual evaluation queries: 480
Cross-lingual evaluation queries: 480

Router diagnostics

Recorded shared-expert Top-k selections in the held-out diagnostic: 0.

Limitations

  • The adapter currently targets existing Sentence Transformers parents ending in Dense -> Normalize.
  • Sparse routing occurs only at sentence-embedding projection level.
  • Language labels are weak supervision for this experiment, not an architectural requirement.
  • External MTEB/MMTEB/MIRACL and Swiss/domain-specific evaluation is required for comparative claims.
  • The MoE head was trained on cached representations up to 512 tokens. The packaged parent retains 1024-token inference capability, but quality beyond the MoE training context length has not yet been separately validated.

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
ApertusModel
Ревизия весов
cfc0b7c

0 моделей