/ Модель

Характеристики

Контекст
32 токена
Параметры
3,2 млн
Архитектура
bert · dense
Библиотека
sentence-transformers
Опубликована
23 июн 2026

occucoder-en-tall-v0

ЭмбеддингиТекст → embedding5 профессий

Компактная BERT-модель преобразует короткие тексты в 256-мерные векторы для поиска и сравнения семантически похожих предложений.

88скачиваний за 30 дней0лайковвеса обновлены23 июн 2026

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

blackmlengineer/occucoder-en-tall-v0 — текстовая Sentence Transformer-модель на архитектуре BERT, обученная разработчиком blackmlengineer для поиска и сопоставления предложений. Она преобразует предложения и абзацы в плотные векторы размерности 256; сходство между ними можно оценивать косинусной мерой. Модель использует mean pooling и предназначена для текстового retrieval и сравнения семантически связанных формулировок.

Модель обучена на 991 580 примерах с парами положительных и отрицательных соответствий с использованием MultipleNegativesRankingLoss. Максимальная длина входа — 32 токена. В примерах обучающего набора встречаются названия профессий и смежные категории, поэтому модель подходит для поиска похожих наименований в этой области. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск похожих названий профессий
  • семантический поиск по коротким текстовым описаниям
  • сопоставление запроса с релевантными текстами
  • извлечение эмбеддингов предложений для retrieval

Ограничения

Максимальная длина входа ограничена 32 токенами, поэтому модель рассчитана на короткие фрагменты текста. Обучающий набор в примерах сосредоточен на названиях профессий и связанных категориях; качество за пределами этой тематики не установлено.

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

SentenceTransformer

This is a sentence-transformers model trained on the train dataset. It maps sentences & paragraphs to a 256-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Maximum Sequence Length: 32 tokens
  • Output Dimensionality: 256 dimensions
  • Similarity Function: Cosine Similarity
  • Supported Modality: Text
  • Training Dataset:
    • train

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'BertModel'})
  (1): Pooling({'embedding_dimension': 256, 'pooling_mode': 'mean', 'include_prompt': True})
)

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("blackmlengineer/occucoder-en-tall-v0")
# Run inference
sentences = [
    'Meat Wrapper',
    'Packers and Packagers, Hand',
    'Laundry and Dry-Cleaning Workers',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 256]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.6434, 0.1885],
#         [0.6434, 1.0000, 0.2558],
#         [0.1885, 0.2558, 1.0000]])

Training Details

Training Dataset

train

  • Dataset: train
  • Size: 991,580 training samples
  • Columns: anchor, positive, and negative
  • Approximate statistics based on the first 100 samples:
    anchorpositivenegative
    typestringstringstring
    modalitytexttexttext
    detailsmin: 3 tokensmean: 4.61 tokensmax: 8 tokensmin: 3 tokensmean: 7.7 tokensmax: 19 tokensmin: 3 tokensmean: 7.95 tokensmax: 22 tokens
  • Samples:
    anchorpositivenegative
    Personnel PsychologistIndustrial-Organizational PsychologistsEducational, Guidance, and Career Counselors and Advisors
    Property Claims AdjusterClaims Adjusters, Examiners, and InvestigatorsAdministrative Law Judges, Adjudicators, and Hearing Officers
    Assistant ProfessorArt, Drama, and Music Teachers, PostsecondaryArea, Ethnic, and Cultural Studies Teachers, Postsecondary
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim",
        "gather_across_devices": false,
        "directions": [
            "query_to_doc"
        ],
        "partition_mode": "joint",
        "hardness_mode": null,
        "hardness_strength": 0.0
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • per_device_train_batch_size: 128
  • num_train_epochs: 5

All Hyperparameters

  • per_device_train_batch_size: 128
  • num_train_epochs: 5
  • max_steps: -1
  • learning_rate: 5e-05
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: None
  • warmup_steps: 0
  • optim: adamw_torch_fused
  • optim_args: None
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • optim_target_modules: None
  • gradient_accumulation_steps: 1
  • average_tokens_across_devices: True
  • max_grad_norm: 1.0
  • label_smoothing_factor: 0.0
  • bf16: False
  • fp16: False
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • use_liger_kernel: False
  • liger_kernel_config: None
  • use_cache: False
  • neftune_noise_alpha: None
  • torch_empty_cache_steps: None
  • auto_find_batch_size: False
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • include_num_input_tokens_seen: no
  • log_level: passive
  • log_level_replica: warning
  • disable_tqdm: False
  • project: huggingface
  • trackio_space_id: None
  • trackio_bucket_id: None
  • trackio_static_space_id: None
  • per_device_eval_batch_size: 8
  • prediction_loss_only: True
  • eval_on_start: False
  • eval_do_concat_batches: True
  • eval_use_gather_object: False
  • eval_accumulation_steps: None
  • include_for_metrics: []
  • batch_eval_metrics: False
  • save_only_model: False
  • save_on_each_node: False
  • enable_jit_checkpoint: False
  • push_to_hub: False
  • hub_private_repo: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_always_push: False
  • hub_revision: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • restore_callback_states_from_checkpoint: False
  • full_determinism: False
  • seed: 42
  • data_seed: None
  • use_cpu: False
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • parallelism_config: None
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • dataloader_prefetch_factor: None
  • remove_unused_columns: True
  • label_names: None
  • train_sampling_strategy: random
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • ddp_static_graph: None
  • ddp_backend: None
  • ddp_timeout: 1800
  • fsdp: None
  • fsdp_config: None
  • deepspeed: None
  • debug: []
  • skip_memory_metrics: True
  • do_predict: False
  • resume_from_checkpoint: None
  • warmup_ratio: None
  • local_rank: -1
  • prompts: None
  • batch_sampler: batch_sampler
  • multi_dataset_batch_sampler: proportional
  • router_mapping: {}
  • learning_rate_mapping: {}

Training Logs

EpochStepTraining Loss
0.06455003.5872
0.129110002.8500
0.193615002.5046
0.258220002.2730
0.322725002.1140
0.387230001.9882
0.451835001.8943
0.516340001.8097
0.580945001.7364
0.645450001.6940
0.710055001.6453
0.774560001.5971
0.839065001.5693
0.903670001.5315
0.968175001.5009
1.032780001.4725
1.097285001.4419
1.161790001.4311
1.226395001.3954
1.2908100001.3789
1.3554105001.3823
1.4199110001.3646
1.4844115001.3540
1.5490120001.3310
1.6135125001.3145
1.6781130001.3007
1.7426135001.3032
1.8072140001.2860
1.8717145001.2741
1.9362150001.2725
2.0008155001.2606
2.0653160001.2313
2.1299165001.2373
2.1944170001.2266
2.2589175001.2179
2.3235180001.2195
2.3880185001.2126
2.4526190001.1984
2.5171195001.1958
2.5816200001.1836
2.6462205001.1909
2.7107210001.1827
2.7753215001.1754
2.8398220001.1740
2.9044225001.1753
2.9689230001.1597
3.0334235001.1615
3.0980240001.1529
3.1625245001.1450
3.2271250001.1343
3.2916255001.1391
3.3561260001.1393
3.4207265001.1382
3.4852270001.1343
3.5498275001.1339
3.6143280001.1343
3.6788285001.1283
3.7434290001.1282
3.8079295001.1320
3.8725300001.1219
3.9370305001.1245
4.0015310001.1144
4.0661315001.1070
4.1306320001.1040
4.1952325001.1042
4.2597330001.1045
4.3243335001.1076
4.3888340001.1098
4.4533345001.1043
4.5179350001.0976
4.5824355001.1047
4.6470360001.1047
4.7115365001.0997
4.7760370001.1033
4.8406375001.0998
4.9051380001.1070
4.9697385001.1015

Training Time

  • Training: 35.3 minutes

Framework Versions

  • Python: 3.14.5
  • Sentence Transformers: 5.6.0
  • Transformers: 5.12.1
  • PyTorch: 2.12.0
  • Accelerate: 1.14.0
  • Datasets: 5.0.0
  • Tokenizers: 0.22.2

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",
}

MultipleNegativesRankingLoss

@misc{oord2019representationlearningcontrastivepredictive,
      title={Representation Learning with Contrastive Predictive Coding},
      author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
      year={2019},
      eprint={1807.03748},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/1807.03748},
}

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
f88154c

0 моделей