/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Библиотека
sentence-transformers
Опубликована
5 дек 2024

German-RAG-BGE-M3-MERGED-x-SNOWFLAKE-ARCTIC-HESSIAN-AI

ЭмбеддингиТекст → embedding9 профессий

Объединённая немецко-английская модель эмбеддингов для семантического поиска, сравнения текстов и задач RAG.

1 037скачиваний за 30 дней2лайкавеса обновлены7 фев 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

German-RAG-BGE-M3-MERGED-x-SNOWFLAKE-ARCTIC-HESSIAN-AI — объединённая модель Sentence Transformers команды German-RAG AI. Она кодирует предложения и абзацы в плотные векторы размерности 1024 для сравнения текстов и семантического поиска. Архитектура основана на XLM-RoBERTa с pooling по CLS-токену и нормализацией; максимальная длина последовательности — 8192 токена, сходство можно измерять косинусной мерой.

Модель предназначена прежде всего для немецкоязычных сценариев RAG и поиска: сопоставления запроса с документами, ранжирования контекстов по смысловой близости, поиска парафраз и тематической кластеризации. В README приведены оценки на задачах классификации, поиска и семантического сходства, включая немецкие наборы данных. Поддерживаются немецкий и английский языки.

Модель объединяет German-RAG-BGE-M3-TRIPLES-MERGED-HESSIAN-AI и Snowflake/snowflake-arctic-embed-l-v2.0; указано 658,7 млн параметров. Лицензия — MIT. Показатели в README зависят от набора данных и не гарантируют превосходство на произвольных корпусах; входом служит текст, выходом — векторные представления.

Сценарии применения

  • семантический поиск по немецким документам
  • поиск релевантных фрагментов для RAG
  • сравнение сходства немецких предложений и абзацев
  • поиск перефразированных текстов
  • кластеризация немецких текстов
  • классификация текстов по эмбеддингам

Ограничения

Эффективность зависит от корпуса и задачи: результаты сравнительных оценок из README не гарантируют аналогичного качества на других данных. Модель выдаёт векторы текста, поэтому для поиска требуется система, которая индексирует и сопоставляет эмбеддинги.

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

German-RAG-BGE-M3-MERGED-x-SNOWFLAKE-ARCTIC-HESSIAN-AI

This is a merged sentence-transformers model. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more. Our German-RAG-BGE-M3-MERGED Model was merged with Snowflake/snowflake-arctic-embed-l-v2.0 to exceed performances from each Base-Model.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Maximum Sequence Length: 8192 tokens
  • Output Dimensionality: 1024 tokens
  • Similarity Function: Cosine Similarity

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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()
)

Evaluation MTEB-Tasks

Classification

  • AmazonCounterfactualClassification
  • AmazonReviewsClassification
  • MassiveIntentClassification
  • MassiveScenarioClassification
  • MTOPDomainClassification
  • MTOPIntentClassification

Pair Classification

  • FalseFriendsGermanEnglish
  • PawsXPairClassification

Retrieval

  • GermanQuAD-Retrieval
  • GermanDPR

STS (Semantic Textual Similarity)

  • GermanSTSBenchmark

Comparison between the Snowflake Arctic Model (Snowflake), our Merged Model (Merged-BGE) and our Merged-BGE Model merged with Snowflake/snowflake-arctic-embed-l-v2.0

TASKSnowflakeMerged-BGEMerged-SnowflakeGerman-RAG vs. SnowflakeMerged-Snowflake vs. SnowflakeMerged-Snowflake vs. Merged-BGE
AmazonCounterfactualClassification0.65870.71110.71525.24%5.65%0.41%
AmazonReviewsClassification0.36970.45710.45778.74%8.80%0.06%
FalseFriendsGermanEnglish0.53600.53380.5378-0.22%0.18%0.40%
GermanQuAD-Retrieval0.94230.93110.9456-1.12%0.33%1.45%
GermanSTSBenchmark0.74990.82180.85587.19%10.59%3.40%
MassiveIntentClassification0.67780.65220.6826-2.56%0.48%3.04%
MassiveScenarioClassification0.73750.73810.74940.06%1.19%1.13%
GermanDPR0.83670.81590.8330-2.08%-0.37%1.71%
MTOPDomainClassification0.90800.91390.92590.59%1.79%1.20%
MTOPIntentClassification0.66750.66840.71430.09%4.68%4.59%
PawsXPairClassification0.58870.57100.5803-1.77%-0.84%0.93%

Comparison between Original Base-Model (BGE-M3), Merged Model with Base-Model (Merged-BGE) and our Merged-BGE Model merged with Snowflake/snowflake-arctic-embed-l-v2.0

TASKBGE-M3Merged-BGEMerged-SnowflakeMerged-BGE vs. BGEMerged-Snowflake vs. BGEMerged-Snowflake vs. Merged-BGE
AmazonCounterfactualClassification0.69080.71110.71522.94%3.53%0.58%
AmazonReviewsClassification0.46340.45710.4577-1.36%-1.23%0.13%
FalseFriendsGermanEnglish0.53430.53380.5378-0.09%0.66%0.75%
GermanQuAD-Retrieval0.94440.93110.9456-1.41%0.13%1.56%
GermanSTSBenchmark0.80790.82180.85581.72%5.93%4.14%
MassiveIntentClassification0.65750.65220.6826-0.81%3.82%4.66%
MassiveScenarioClassification0.73550.73810.74940.35%1.89%1.53%
GermanDPR0.82650.81590.8330-1.28%0.79%2.10%
MTOPDomainClassification0.91210.91390.92590.20%1.52%1.31%
MTOPIntentClassification0.68080.66840.7143-1.82%4.91%6.87%
PawsXPairClassification0.56780.57100.58030.56%2.18%1.63%

Evaluation on German-RAG-EMBEDDING-BENCHMARK

Accuracy is calculated by evaluating if the relevant context is the highest ranking embedding of the whole context array. See Eval-Dataset and Evaluation Code here

Model NameAccuracy
bge-m30.8806
UAE-Large-V10.8393
German-RAG-BGE-M3-TRIPLES-HESSIAN-AI0.8857
German-RAG-BGE-M3-TRIPLES-MERGED-HESSIAN-AI0.8866
German-RAG-BGE-M3-MERGED-x-SNOWFLAKE-ARCTIC-HESSIAN-AI0.8866
German-RAG-UAE-LARGE-V1-TRIPLES-HESSIAN-AI0.8763
German-RAG-UAE-LARGE-V1-TRIPLES-MERGED-HESSIAN-AI0.8771

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("avemio/German-RAG-BGE-M3-MERGED-x-SNOWFLAKE-ARCTIC-HESSIAN-AI")
# Run inference
sentences = [
    'The weather is lovely today.',
    "It's so sunny outside!",
    'He drove to the stadium.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

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

Training Details

Framework Versions

  • Python: 3.10.12
  • Sentence Transformers: 3.2.1
  • Transformers: 4.44.2
  • PyTorch: 2.4.1+cu121
  • Accelerate: 0.34.2
  • Datasets: 3.0.1
  • Tokenizers: 0.19.1

Citation

@misc{bge-m3,
      title={BGE M3-Embedding: Multi-Lingual, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge Distillation}, 
      author={Jianlv Chen and Shitao Xiao and Peitian Zhang and Kun Luo and Defu Lian and Zheng Liu},
      year={2024},
      eprint={2402.03216},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

The German-RAG AI Team

Marcel Rosiak Soumya Paul Siavash Mollaebrahim Zain ul Haq

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
XLMRobertaModel
Ревизия весов
7c385a5

0 моделей