/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Базовая модель
bge-base-en
Библиотека
sentence-transformers
Опубликована
25 мар 2025

finetuned-bge-base-en

ЭмбеддингиТекст → embedding10 профессий

Англоязычная BERT-модель для получения эмбеддингов и поиска текстов по смысловой близости.

123скачиваний за 30 дней0лайковвеса обновлены25 мар 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 «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

apostolosfilippas/finetuned-bge-base-en — англоязычная модель Sentence Transformers, дообученная автором на базе BAAI/bge-base-en. Она кодирует предложения и абзацы в плотные текстовые эмбеддинги размерности 768 и предназначена для сравнения смысловой близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает BERT-трансформер, объединение представлений токенов по CLS и нормализацию векторов; сходство можно оценивать косинусной мерой.

Модель содержит 136,7 млн параметров, использует библиотеку sentence-transformers и принимает последовательности длиной до 512 токенов. В README приведены результаты TripletEvaluator: точность по косинусному сходству 0,8173 на обучающем и 0,9394 на оценочном наборе bge-base-en; также описан небольшой набор для дообучения из 208 примеров. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск документов по смыслу
  • сравнение смысловой близости предложений
  • поиск перефразировок
  • кластеризация текстов по теме
  • классификация текстов с использованием эмбеддингов

Ограничения

Контекст ограничен 512 токенами. Дообучение описано на небольшом наборе из 208 примеров, поэтому приведённые результаты могут не переноситься на другие данные и сценарии.

Для каких профессий подходит10

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 BAAI/bge-base-en

This is a sentence-transformers model finetuned from BAAI/bge-base-en. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: BAAI/bge-base-en
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': True}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

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("apostolosfilippas/finetuned-bge-base-en")
# Run inference
sentences = [
    '\nName : CloudFlare Inc.\nCategory: Internet & Network Services, SaaS\nDepartment: IT Operations\nLocation: New York, NY\nAmount: 2000.0\nCard: Annual Cloud Services Budget\nTrip Name: unknown\n',
    '\nName : TechSavvy Solutions\nCategory: Software Services, Online Subscription\nDepartment: Engineering\nLocation: Austin, TX\nAmount: 1200.0\nCard: Annual Engineering Tools Budget\nTrip Name: unknown\n',
    '\nName : Vitality Systems\nCategory: Facility Management, Health Services\nDepartment: Office Administration\nLocation: Chicago, IL\nAmount: 347.29\nCard: Office Wellness Initiative\nTrip Name: unknown\n',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Triplet

  • Datasets: bge-base-en-train and bge-base-en-eval
  • Evaluated with TripletEvaluator
Metricbge-base-en-trainbge-base-en-eval
cosine_accuracy0.81730.9394

Training Details

Training Dataset

Unnamed Dataset

  • Size: 208 training samples
  • Columns: sentence and label
  • Approximate statistics based on the first 208 samples:
    sentencelabel
    typestringint
    detailsmin: 33 tokensmean: 39.81 tokensmax: 49 tokens0: ~3.85%1: ~3.37%2: ~3.85%3: ~2.40%4: ~5.29%5: ~4.33%6: ~4.33%7: ~3.37%8: ~3.85%9: ~4.33%10: ~3.37%11: ~3.85%12: ~2.40%13: ~5.29%14: ~3.37%15: ~5.77%16: ~4.33%17: ~2.40%18: ~2.88%19: ~3.37%20: ~3.85%21: ~4.33%22: ~2.88%23: ~4.33%24: ~4.81%25: ~1.92%26: ~1.92%
  • Samples:
    sentencelabel
    Name : TranscendCategory: UpskillingDepartment: Human ResourceLocation: London, UKAmount: 859.47Card: Technology Skills EnhancementTrip Name: unknown0
    Name : AydenCategory: Financial SoftwareDepartment: FinanceLocation: Berlin, DEAmount: 1273.45Card: Enterprise Technology ServicesTrip Name: unknown1
    Name : Urban SphereCategory: Utilities Management, Facility ServicesDepartment: Office AdministrationLocation: New York, NYAmount: 937.32Card: Monthly Operations BudgetTrip Name: unknown2
  • Loss: BatchSemiHardTripletLoss

Evaluation Dataset

Unnamed Dataset

  • Size: 52 evaluation samples
  • Columns: sentence and label
  • Approximate statistics based on the first 52 samples:
    sentencelabel
    typestringint
    detailsmin: 32 tokensmean: 38.37 tokensmax: 43 tokens0: ~1.92%4: ~1.92%5: ~11.54%7: ~5.77%8: ~5.77%10: ~7.69%11: ~3.85%12: ~3.85%13: ~1.92%16: ~3.85%17: ~1.92%18: ~13.46%19: ~5.77%20: ~3.85%21: ~3.85%22: ~7.69%23: ~3.85%24: ~5.77%25: ~5.77%
  • Samples:
    sentencelabel
    Name : ToolyCategory: Survey Software, SaaSDepartment: MarketingLocation: San Francisco, CAAmount: 2000.0Card: Annual Marketing Technology BudgetTrip Name: unknown10
    Name : CloudFlare Inc.Category: Internet & Network Services, SaaSDepartment: IT OperationsLocation: New York, NYAmount: 2000.0Card: Annual Cloud Services BudgetTrip Name: unknown21
    Name : Gartner & AssociatesCategory: Consulting, Business ServicesDepartment: LegalLocation: San Francisco, CAAmount: 5000.0Card: Legal Consultation FundTrip Name: unknown5
  • Loss: BatchSemiHardTripletLoss

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • per_device_train_batch_size: 16
  • per_device_eval_batch_size: 16
  • learning_rate: 2e-05
  • num_train_epochs: 5
  • warmup_ratio: 0.1
  • batch_sampler: no_duplicates

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 16
  • per_device_eval_batch_size: 16
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 1
  • eval_accumulation_steps: None
  • torch_empty_cache_steps: None
  • learning_rate: 2e-05
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 5
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.1
  • warmup_steps: 0
  • log_level: passive
  • log_level_replica: warning
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • save_safetensors: True
  • save_on_each_node: False
  • save_only_model: False
  • restore_callback_states_from_checkpoint: False
  • no_cuda: False
  • use_cpu: False
  • use_mps_device: False
  • seed: 42
  • data_seed: None
  • jit_mode_eval: False
  • use_ipex: False
  • bf16: False
  • fp16: False
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • fsdp: []
  • fsdp_min_num_params: 0
  • fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
  • tp_size: 0
  • fsdp_transformer_layer_cls_to_wrap: None
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch
  • optim_args: None
  • adafactor: False
  • group_by_length: False
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • skip_memory_metrics: True
  • use_legacy_prediction_loop: False
  • push_to_hub: False
  • resume_from_checkpoint: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_private_repo: None
  • hub_always_push: False
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_inputs_for_metrics: False
  • include_for_metrics: []
  • eval_do_concat_batches: True
  • fp16_backend: auto
  • push_to_hub_model_id: None
  • push_to_hub_organization: None
  • mp_parameters:
  • auto_find_batch_size: False
  • full_determinism: False
  • torchdynamo: None
  • ray_scope: last
  • ddp_timeout: 1800
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • dispatch_batches: None
  • split_batches: None
  • include_tokens_per_second: False
  • include_num_input_tokens_seen: False
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • eval_on_start: False
  • use_liger_kernel: False
  • eval_use_gather_object: False
  • average_tokens_across_devices: False
  • prompts: None
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional

Training Logs

EpochStepbge-base-en-train_cosine_accuracybge-base-en-eval_cosine_accuracy
-1-10.81730.9394

Framework Versions

  • Python: 3.11.7
  • Sentence Transformers: 3.4.1
  • Transformers: 4.50.1
  • PyTorch: 2.6.0
  • Accelerate: 1.5.2
  • Datasets: 3.4.1
  • Tokenizers: 0.21.1

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",
}

BatchSemiHardTripletLoss

@misc{hermans2017defense,
    title={In Defense of the Triplet Loss for Person Re-Identification},
    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
    year={2017},
    eprint={1703.07737},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}

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
8668b97

0 моделей