/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Архитектура
bert · dense
Базовая модель
paraphrase-multilingual-MiniLM-L12-v2
Библиотека
sentence-transformers
Опубликована
18 авг 2026

minilm-arsip-kampus-v1

ЭмбеддингиТекст → embedding5 профессий

Модель преобразует запросы и архивные документы кампуса в векторы для семантического поиска и сравнения сходства.

70скачиваний за 30 дней0лайковвеса обновлены18 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

andrerean/minilm-arsip-kampus-v1 — дообученная модель Sentence Transformers на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, разработанная для поиска по архиву документов кампуса. Она преобразует текстовые предложения и абзацы в плотные векторы размерности 384; сходство между ними оценивается косинусной мерой. Архитектура включает BERT-трансформер с усредняющим pooling. README указывает максимальную длину последовательности 384 токена, а метаданные — контекст до 512 токенов.

Модель обучена на 2 352 парах текстов, связанных с архивными материалами университета: руководствами по грантам, документами об организации подразделений и процедурами для преподавателей. Её можно применять для семантического поиска и извлечения подходящих документов по запросам, даже если формулировки запроса и документа различаются. В метаданных указан тег sentence-similarity, а каталог также относит её к feature-extraction.

Модель принимает и выдаёт текстовые представления в виде векторов. Примеры обучающих данных написаны на индонезийском языке; карточка не подтверждает поддержку других языков именно этой дообученной версии. Используется лицензия базовой модели, применимая к репозиторию модели; сведений о лицензии в предоставленных данных нет.

Сценарии применения

  • Поиск архивного документа по смыслу запроса
  • Подбор документов о грантах и исследовательских программах
  • Поиск университетских процедур по краткому описанию
  • Сравнение сходства между запросом и документом
  • Кластеризация текстов архивных материалов

Ограничения

Обучающая выборка невелика — 2 352 пары текстов — и сосредоточена на архивных материалах кампуса, поэтому качество на других темах и языках не подтверждено. README указывает лимит 384 токена, тогда как метаданные приводят 512 токенов контекста.

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

SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. It maps sentences & paragraphs to a 384-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'BertModel'})
  (1): Pooling({'embedding_dimension': 384, 'pooling_mode': 'mean', 'include_prompt': True})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("andrerean/minilm-arsip-kampus-v1")
# Run inference
sentences = [
    'foto, ustdz hamid, kunjungan, amin, baki msia',
    'foto ustdz hamid kunjungan ke amin baki msia',
    'dokumen ini berisi tentang keputusan dekan fakultas ilmu kesehatan perihal konsorsium dosen rumpun mata kuliah fakultas ilmu kesehatan universitas darussalam gontor kata kunci sk, dekan, konsorsium, rumpun ilmu, fakultas ilmu kesehatan.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[ 1.0000,  0.9617, -0.0523],
#         [ 0.9617,  1.0000, -0.0411],
#         [-0.0523, -0.0411,  1.0000]])

Training Details

Training Dataset

Unnamed Dataset

  • Size: 2,352 training samples
  • Columns: sentence_0 and sentence_1
  • Approximate statistics based on the first 100 samples:
    sentence_0sentence_1
    typestringstring
    modalitytexttext
    detailsmin: 5 tokensmean: 25.71 tokensmax: 54 tokensmin: 5 tokensmean: 31.87 tokensmax: 104 tokens
  • Samples:
    sentence_0sentence_1
    arsip buku panduan hibah penelitian dan pengabdian kepada masyarakat hibah kementrian pendidikan, sains , dan teknologi tahun 2025 direktur jenderal kata kunci arsip, panduan, hibah, kemendiktisaintekarsip panduan hibah penelitian dan pengabdian kepada masyarakat hibah kemendiktisaintek tahun 2025
    dokumen ini berisi tentang pengesahan pendirian unit usaha unida gontor atau u3 guna penyediaan layanan pemenuhan kebutuhan harian bagi civitas akademika di universitas darussalam gontor kata kunci skpendirian unit usaha unida gontor
    sop penyambutan dosen lbsop penyambutan dosen lb merupakan standar operasional prosedur yang memiliki kualifikasi pelaksana dalam memahami kebutuhan dosen lb, memahami prosedur pelayanan dosen lb dan memahami operaional fasilitas dosen lb kata kunci sop, penyambutan, dosen, lb, unida.
  • Loss: main.TrackedMNRLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim",
        "gather_across_devices": false,
        "directions": [
            "query_to_doc"
        ],
        "partition_mode": "joint",
        "hardness_mode": null,
        "hardness_strength": 0.0
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • per_device_train_batch_size: 16
  • num_train_epochs: 10
  • fp16: True
  • per_device_eval_batch_size: 16
  • multi_dataset_batch_sampler: round_robin

All Hyperparameters

  • per_device_train_batch_size: 16
  • num_train_epochs: 10
  • max_steps: -1
  • learning_rate: 5e-05
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: None
  • warmup_steps: 0
  • optim: adamw_torch
  • optim_args: None
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • optim_target_modules: None
  • gradient_accumulation_steps: 1
  • average_tokens_across_devices: True
  • max_grad_norm: 1
  • label_smoothing_factor: 0.0
  • bf16: False
  • fp16: True
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • use_liger_kernel: False
  • liger_kernel_config: None
  • use_cache: False
  • neftune_noise_alpha: None
  • torch_empty_cache_steps: None
  • auto_find_batch_size: False
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • include_num_input_tokens_seen: no
  • log_level: passive
  • log_level_replica: warning
  • disable_tqdm: False
  • project: huggingface
  • trackio_space_id: None
  • trackio_bucket_id: None
  • trackio_static_space_id: None
  • per_device_eval_batch_size: 16
  • prediction_loss_only: True
  • eval_on_start: False
  • eval_do_concat_batches: True
  • eval_use_gather_object: False
  • eval_accumulation_steps: None
  • include_for_metrics: []
  • batch_eval_metrics: False
  • save_only_model: False
  • save_on_each_node: False
  • enable_jit_checkpoint: False
  • push_to_hub: False
  • hub_private_repo: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_always_push: False
  • hub_revision: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • restore_callback_states_from_checkpoint: False
  • full_determinism: False
  • seed: 42
  • data_seed: None
  • use_cpu: False
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • parallelism_config: None
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • dataloader_prefetch_factor: None
  • remove_unused_columns: True
  • label_names: None
  • train_sampling_strategy: random
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • ddp_static_graph: None
  • ddp_backend: None
  • ddp_timeout: 1800
  • fsdp: None
  • fsdp_config: None
  • deepspeed: None
  • debug: []
  • skip_memory_metrics: True
  • do_predict: False
  • resume_from_checkpoint: None
  • warmup_ratio: None
  • local_rank: -1
  • prompts: None
  • batch_sampler: batch_sampler
  • multi_dataset_batch_sampler: round_robin
  • router_mapping: {}
  • learning_rate_mapping: {}

Training Logs

EpochStepTraining Loss
3.40145000.2110
6.802710000.0499

Training Time

  • Training: 3.9 minutes

Framework Versions

  • Python: 3.10.11
  • Sentence Transformers: 5.6.0
  • Transformers: 5.14.1
  • PyTorch: 2.6.0+cu124
  • Accelerate: 1.14.0
  • Datasets: 5.0.0
  • Tokenizers: 0.22.2

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

TrackedMNRLoss

@misc{oord2019representationlearningcontrastivepredictive,
      title={Representation Learning with Contrastive Predictive Coding},
      author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
      year={2019},
      eprint={1807.03748},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/1807.03748},
}

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
6251711

0 моделей