/ Модель

Характеристики

Контекст
514 токенов
Параметры
81,2 млн
Лицензия
MIT
Архитектура
camembert · dense
Базовая модель
distilcamembert-base
Библиотека
sentence-transformers
Опубликована
16 сен 2023

crossencoder-distilcamembert-mmarcoFR

Ранжирование текстаТекст → score5 профессий

Французский cross-encoder на базе DistilCamemBERT, который переупорядочивает результаты поиска по релевантности запросу.

17 088скачиваний за 30 дней0лайковвеса обновлены21 апр 2025

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 «Ранжирование» — 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

crossencoder-distilcamembert-mmarcoFR — французская модель-переранкер на базе DistilCamemBERT, разработанная Antoine Louis. Она обрабатывает запрос и passage совместно с помощью cross-attention и выдаёт оценку их релевантности; результаты используют для сортировки кандидатов, уже найденных системой первичного поиска, например BM25 или плотным bi-encoder. Модель дообучена на французских данных mMARCO, производных от MS MARCO; для обучения использованы сложные негативные примеры. Размер модели — 81,2 млн параметров, базовая архитектура — CamemBERT, максимальный контекст — 514 токенов.

Модель предназначена для повышения качества семантического поиска на французском языке, когда нужно переупорядочить найденные документы или фрагменты. В README описано обучение на парах «запрос—фрагмент» с бинарной кросс-энтропией; сигмоида преобразует оценку в диапазон от 0 до 1. Для оценки использовались MRR и recall на dev-наборе mMARCO-fr. Лицензия — MIT.

Как cross-encoder, модель оценивает каждую пару отдельно, поэтому её следует применять после первичного поиска, а не для перебора всей коллекции. README указывает максимальную длину объединённой пары в 256 токенов при обучении; длинные пары могут потребовать усечения.

Сценарии применения

  • переранжирование найденных фрагментов по французскому запросу
  • улучшение порядка результатов BM25
  • повышение релевантности кандидатов, найденных плотным поиском
  • оценка соответствия passage поисковому запросу
  • переранжирование документов перед передачей в систему RAG

Ограничения

Модель предназначена для переранжирования ограниченного набора кандидатов после первичного поиска, поскольку оценивает запрос и каждый фрагмент совместно. При обучении максимальная длина пары составляла 256 токенов, поэтому длинные пары могут усекаться.

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

crossencoder-distilcamembert-mmarcoFR

This is a cross-encoder model for French. It performs cross-attention between a question-passage pair and outputs a relevance score. The model should be used as a reranker for semantic search: given a query and a set of potentially relevant passages retrieved by an efficient first-stage retrieval system (e.g., BM25 or a fine-tuned dense single-vector bi-encoder), encode each query-passage pair and sort the passages in a decreasing order of relevance according to the model's predicted scores.

Usage

Here are some examples for using the model with Sentence-Transformers, FlagEmbedding, or Huggingface Transformers.

Using Sentence-Transformers

Start by installing the library: pip install -U sentence-transformers. Then, you can use the model like this:

from sentence_transformers import CrossEncoder

pairs = [('Question', 'Paragraphe 1'), ('Question', 'Paragraphe 2') , ('Question', 'Paragraphe 3')]

model = CrossEncoder('antoinelouis/crossencoder-distilcamembert-mmarcoFR')
scores = model.predict(pairs)
print(scores)

Using FlagEmbedding

Start by installing the library: pip install -U FlagEmbedding. Then, you can use the model like this:

from FlagEmbedding import FlagReranker

pairs = [('Question', 'Paragraphe 1'), ('Question', 'Paragraphe 2') , ('Question', 'Paragraphe 3')]

reranker = FlagReranker('antoinelouis/crossencoder-distilcamembert-mmarcoFR')
scores = reranker.compute_score(pairs)
print(scores)

Using HuggingFace Transformers

Start by installing the library: pip install -U transformers. Then, you can use the model like this:

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

pairs = [('Question', 'Paragraphe 1'), ('Question', 'Paragraphe 2') , ('Question', 'Paragraphe 3')]

tokenizer = AutoTokenizer.from_pretrained('antoinelouis/crossencoder-distilcamembert-mmarcoFR')
model = AutoModelForSequenceClassification.from_pretrained('antoinelouis/crossencoder-distilcamembert-mmarcoFR')
model.eval()

with torch.no_grad():
    inputs = tokenizer(pairs, padding=True, truncation=True, return_tensors='pt', max_length=512)
    scores = model(**inputs, return_dict=True).logits.view(-1, ).float()
print(scores)

Evaluation

The model is evaluated on the smaller development set of mMARCO-fr, which consists of 6,980 queries for which an ensemble of 1000 passages containing the positive(s) and ColBERTv2 hard negatives need to be reranked. We report the mean reciprocal rank (MRR) and recall at various cut-offs (R@k). To see how it compares to other neural retrievers in French, check out the DécouvrIR leaderboard.


Training

Data

We use the French training samples from the mMARCO dataset, a multilingual machine-translated version of MS MARCO that contains 8.8M passages and 539K training queries. We do not use the BM25 negatives provided by the official dataset but instead sample harder negatives mined from 12 distinct dense retrievers, using the msmarco-hard-negatives distillation dataset. Eventually, we sample 2.6M training triplets of the form (query, passage, relevance) with a positive-to-negative ratio of 1 (i.e., 50% of the pairs are relevant and 50% are irrelevant).

Implementation

The model is initialized from the cmarkea/distilcamembert-base checkpoint and optimized via the binary cross-entropy loss (as in monoBERT). It is fine-tuned on one 80GB NVIDIA H100 GPU for 20k steps using the AdamW optimizer with a batch size of 128 and a constant learning rate of 2e-5. We set the maximum sequence length of the concatenated question-passage pairs to 256 tokens. We use the sigmoid function to get scores between 0 and 1.


Citation

@online{louis2024decouvrir,
	author    = 'Antoine Louis',
	title     = 'DécouvrIR: A Benchmark for Evaluating the Robustness of Information Retrieval Models in French',
	publisher = 'Hugging Face',
	month     = 'mar',
	year      = '2024',
	url       = 'https://huggingface.co/spaces/antoinelouis/decouvrir',
}

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
CamembertForSequenceClassification
Ревизия весов
9447ae5

0 моделей