/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Архитектура
xlm-roberta · dense
Базовая модель
German-RAG-BGE-M3-TRIPLES-HESSIAN-AI
Библиотека
sentence-transformers
Опубликована
22 окт 2024

German-RAG-BGE-M3-TRIPLES-MERGED-HESSIAN-AI

ЭмбеддингиТекст → embedding11 профессий

Объединённая с BAAI/bge-m3 модель эмбеддингов для семантического поиска и сопоставления немецких текстов с поддержкой других языков.

29скачиваний за 30 дней1лайквеса 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-TRIPLES-MERGED-HESSIAN-AI — модель Sentence Transformers, разработанная командой German-RAG AI. Она объединяет дообученную на примерно 300 тысячах триплетов модель German-RAG-BGE-M3-TRIPLES-HESSIAN-AI с BAAI/bge-m3, чтобы сохранить качество на других языках. Модель основана на XLM-RoBERTa, содержит 658,7 млн параметров и преобразует текст в плотные векторы размерностью 1024; максимальная длина последовательности — 8194 токена. Для сравнения векторов используется косинусное сходство.

Модель предназначена для семантического поиска и сопоставления предложений и абзацев. Её можно применять для поиска по немецким документам, оценки семантического сходства, поиска перефразирований, кластеризации и классификации текста. В README приведены результаты оценки на немецких задачах классификации, поиска и сходства, а также тест на бенчмарке German-RAG-EMBEDDING-BENCHMARK.

Лицензия в предоставленных данных не указана.

Сценарии применения

  • семантический поиск по немецким документам
  • поиск релевантных фрагментов для RAG-системы
  • сравнение смысловой близости предложений и абзацев
  • поиск перефразирований на немецком и английском
  • кластеризация текстов по смыслу
  • классификация текстов на основе эмбеддингов

Ограничения

В предоставленных сведениях нет данных о лицензии. В сравнительных результатах качество зависит от задачи: модель не превосходит базовую BGE-M3 на всех приведённых наборах.

Для каких профессий подходит11

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-TRIPLES-MERGED-HESSIAN-AI

This is a sentence-transformers model trained on this Dataset with roughly 300k Triple-Samples. 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. It was merged with the Base-Model BAAI/bge-m3 again to maintain performance on other languages again.

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 Base-Model (BGE-M3), Finetuned Model (German-RAG-BGE) and Merged Model with Base-Model (Merged-BGE)

TASKBGE-M3German-RAG-BGEMerged-BGEGerman-RAG vs. BGEMerged vs. BGE
AmazonCounterfactualClassification0.69080.54490.7111-14.59%2.03%
AmazonReviewsClassification0.46340.27450.4571-18.89%-0.63%
FalseFriendsGermanEnglish0.53430.47770.5338-5.67%-0.05%
GermanQuAD-Retrieval0.94440.87140.9311-7.30%-1.33%
GermanSTSBenchmark0.80790.79210.8218-1.58%1.39%
MassiveIntentClassification0.65750.48840.6522-16.90%-0.52%
MassiveScenarioClassification0.73550.58370.7381-15.19%0.25%
GermanDPR0.82650.72100.8159-10.54%-1.06%
MTOPDomainClassification0.91210.74500.9139-16.71%0.17%
MTOPIntentClassification0.68080.45160.6684-22.92%-1.25%
PawsXPairClassification0.56780.50770.5710-6.01%0.33%

Comparison between Base-Model (BGE-M3), Merged Model with Base-Model (Merged-BGE) and our Merged-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-TRIPLES-MERGED-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
8612c9a

0 моделей