/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
28,3 ГБ
Архитектура
bloom · dense
Опубликована
26 авг 2022

sgpt-bloom-7b1-msmarco

ЭмбеддингиТекст → embedding9 профессий

Модель на базе BLOOM, дообученная для получения эмбеддингов предложений и семантического поиска по текстам.

264скачиваний за 30 дней42лайкавеса обновлены3 апр 2024

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 оценки27

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • WikipediaRetrievalMultilingual

    main_score

    Результат

    0,2156

    Общий результат 0,1382
    MTEB

    Публичная таблицаревизия совпадает

  • StackExchangeClustering.v2

    main_score

    Результат

    0,3311

    MTEB

    Публичная таблицаревизия совпадает

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,0271

    Общий результат 0,5228Общий результат 0,414Общий результат 0,0426
    MTEB

    Публичная таблицаревизия совпадает

  • MassiveScenarioClassification

    main_score

    Результат

    0,5479

    Общий результат 0,4558
    MTEB

    Публичная таблицаревизия не подтверждена

  • MIRACLReranking

    main_score

    Результат

    0,2119

    MTEB

    Публичная таблицаревизия совпадает

  • DalajClassification

    main_score

    Результат

    0,5027

    MTEB

    Публичная таблицаревизия совпадает

  • SIB200ClusteringS2S

    main_score

    Результат

    0,0234

    Общий результат 0,0396Общий результат 0,0369Общий результат 0,0299
    MTEB

    Публичная таблицаревизия совпадает

  • BigPatentClustering.v2

    main_score

    Результат

    0,2211

    MTEB

    Публичная таблицаревизия совпадает

  • Tatoeba

    main_score

    Результат

    0,005

    Общий результат 0,7113Общий результат 0,0156
    MTEB

    Публичная таблицаревизия не подтверждена

  • DiaBlaBitextMining

    main_score

    Результат

    0,2805

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveIntentClassification

    main_score

    Результат

    0,4894

    Общий результат 0,5827Общий результат 0,5209Общий результат 0,3384
    MTEB

    Публичная таблицаревизия не подтверждена

  • MLQARetrieval

    main_score

    Результат

    0,2822

    Общий результат 0,1656
    MTEB

    Публичная таблицаревизия совпадает

  • WikiClusteringP2P.v2

    main_score

    Результат

    0,2793

    MTEB

    Публичная таблицаревизия совпадает

  • MasakhaNEWSClusteringP2P

    main_score

    Результат

    0,4862

    Общий результат 0,5115
    MTEB

    Публичная таблицаревизия совпадает

  • CodeTransOceanContest

    main_score

    Результат

    0,5445

    MTEB

    Публичная таблицаревизия совпадает

  • STSBenchmarkMultilingualSTS

    main_score

    Результат

    0,5223

    Общий результат 0,4693
    MTEB

    Публичная таблицаревизия совпадает

  • BUCC

    main_score

    Результат

    0,9706

    MTEB

    Публичная таблицаревизия не подтверждена

  • TweetSentimentClassification

    main_score

    Результат

    0,3469

    Общий результат 0,393
    MTEB

    Публичная таблицаревизия совпадает

  • CataloniaTweetClassification

    main_score

    Результат

    0,4604

    MTEB

    Публичная таблицаревизия совпадает

  • MultiEURLEXMultilabelClassification

    main_score

    Результат

    0,0321

    MTEB

    Публичная таблицаревизия совпадает

  • CUREv1

    main_score

    Результат

    0,2135

    MTEB

    Публичная таблицаревизия совпадает

  • STS22

    main_score

    Результат

    0,3005

    MTEB

    Публичная таблицаревизия не подтверждена

  • MasakhaNEWSClassification

    main_score

    Результат

    0,7173

    MTEB

    Публичная таблицаревизия совпадает

  • SciFact

    main_score

    Результат

    0,7211

    MTEB

    Публичная таблицаревизия не подтверждена

  • LEMBQMSumRetrieval

    main_score

    Результат

    0,1844

    MTEB

    Публичная таблицаревизия совпадает

  • STS17

    main_score

    Результат

    0,8046

    MTEB

    Публичная таблицаревизия не подтверждена

  • LccSentimentClassification

    main_score

    Результат

    0,3627

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

bigscience/sgpt-bloom-7b1-msmarco — модель эмбеддингов предложений на архитектуре BLOOM, дообученная с BitFit и обучаемая с weighted-mean pooling и GradCache. Она предназначена для поиска семантически близких текстов и ранжирования результатов по сходству; в карточке приведены результаты оценки на наборах MTEB, включая SciFact, Quora и TREC-COVID. Модель принимает текст и формирует векторные представления для сравнения предложений и документов. Максимальная длина контекста — 2048 токенов. Веса доступны в форматах PyTorch и safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • семантический поиск по коллекции документов
  • поиск похожих предложений и текстовых фрагментов
  • ранжирование документов по соответствию запросу
  • поиск дубликатов вопросов и ответов
  • поиск научных публикаций по смыслу

Ограничения

Контекст ограничен 2048 токенами. Языковая поддержка и лицензия не установлены по предоставленным данным.

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

Usage

For usage instructions, refer to: https://github.com/Muennighoff/sgpt#asymmetric-semantic-search-be

The model was trained with the command

CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 accelerate launch examples/training/ms_marco/train_bi-encoder_mnrl.py --model_name bigscience/bloom-7b1 --train_batch_size 32 --eval_batch_size 16 --freezenonbias --specb --lr 4e-4 --wandb --wandbwatchlog gradients --pooling weightedmean --gradcache --chunksize 8

Evaluation Results

{"ndcgs": {"sgpt-bloom-7b1-msmarco": {"scifact": {"NDCG@10": 0.71824}, "nfcorpus": {"NDCG@10": 0.35748}, "arguana": {"NDCG@10": 0.47281}, "scidocs": {"NDCG@10": 0.18435}, "fiqa": {"NDCG@10": 0.35736}, "cqadupstack": {"NDCG@10": 0.3708525}, "quora": {"NDCG@10": 0.74655}, "trec-covid": {"NDCG@10": 0.82731}, "webis-touche2020": {"NDCG@10": 0.2365}}}

See the evaluation folder or MTEB for more results.

Training

The model was trained with the parameters:

DataLoader:

torch.utils.data.dataloader.DataLoader of length 15600 with parameters:

{'batch_size': 32, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

The model uses BitFit, weighted-mean pooling & GradCache, for details see: https://arxiv.org/abs/2202.08904

Loss:

sentence_transformers.losses.MultipleNegativesRankingLoss.MNRLGradCache

Parameters of the fit()-Method:

{
    "epochs": 10,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'transformers.optimization.AdamW'>",
    "optimizer_params": {
        "lr": 0.0004
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 1000,
    "weight_decay": 0.01
}

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 300, 'do_lower_case': False}) with Transformer model: BloomModel 
  (1): Pooling({'word_embedding_dimension': 4096, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': True, 'pooling_mode_lasttoken': False})
)

Citing & Authors

@article{muennighoff2022sgpt,
  title={SGPT: GPT Sentence Embeddings for Semantic Search},
  author={Muennighoff, Niklas},
  journal={arXiv preprint arXiv:2202.08904},
  year={2022}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BloomForCausalLM
Ревизия весов
dc579f3

0 моделей