/ Модель

Характеристики

Контекст
32 токена
Параметры
19,5 млн
Архитектура
bert · dense
Библиотека
sentence-transformers
Опубликована
23 июн 2026

occucoder-en-venti-v0

ЭмбеддингиТекст → embedding7 профессий

Компактная BERT-модель создаёт эмбеддинги коротких текстов для семантического поиска и сравнения предложений.

79скачиваний 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-venti-v0 — текстовая модель Sentence Transformer на базе архитектуры BERT, обученная для сопоставления предложений и поиска. Она преобразует предложения и абзацы в плотные векторы размерностью 768; для оценки близости используется косинусное сходство. Модель содержит 19,5 млн параметров и принимает текст длиной до 32 токенов.

Модель подходит для поиска подходящих текстов по запросу, сравнения семантической близости предложений и построения текстового поиска на основе эмбеддингов. В README приведены обучающие примеры с названиями профессий и похожими категориями; язык этих примеров — английский. Модель обучалась на наборе из 991 580 примеров с якорными, положительными и отрицательными парами с использованием MultipleNegativesRankingLoss.

Карточка не указывает лицензию. Короткий контекст в 32 токена ограничивает применение длинных предложений и документов; модель формирует эмбеддинги текста, а не готовые ответы.

Сценарии применения

  • поиск подходящих текстов по короткому запросу
  • сравнение семантической близости двух предложений
  • ранжирование текстовых кандидатов по сходству с запросом
  • поиск похожих названий профессий и категорий

Ограничения

Максимальная длина входа составляет 32 токена, поэтому модель не подходит для непосредственного представления длинных текстов без предварительного разбиения. Лицензия в предоставленных данных не указана.

Для каких профессий подходит7

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 768-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: 768 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': 768, '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-venti-v0")
# Run inference
sentences = [
    'Meat Wrapper',
    'Packers and Packagers, Hand',
    'Laundry and Dry-Cleaning Workers',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.6317, 0.1758],
#         [0.6317, 1.0000, 0.1272],
#         [0.1758, 0.1272, 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
0.06455002.5686
0.129110001.9404
0.193615001.6797
0.258220001.5128
0.322725001.4104
0.387230001.3169
0.451835001.2508
0.516340001.1896
0.580945001.1410
0.645450001.1091
0.710055001.0743
0.774560001.0442
0.839065001.0229
0.903670000.9909
0.968175000.9812
1.032780000.9573
1.097285000.9400
1.161790000.9321
1.226395000.9085
1.2908100000.8988
1.3554105000.8988
1.4199110000.8897
1.4844115000.8875
1.5490120000.8695
1.6135125000.8551
1.6781130000.8574
1.7426135000.8489
1.8072140000.8399
1.8717145000.8389
1.9362150000.8304
2.0008155000.8286
2.0653160000.8100
2.1299165000.8146
2.1944170000.8120
2.2589175000.8063
2.3235180000.8044
2.3880185000.8059
2.4526190000.7951
2.5171195000.7924
2.5816200000.7857
2.6462205000.7888
2.7107210000.7850
2.7753215000.7801
2.8398220000.7813
2.9044225000.7772
2.9689230000.7742
3.0334235000.7706
3.0980240000.7693
3.1625245000.7641
3.2271250000.7543
3.2916255000.7555
3.3561260000.7615
3.4207265000.7583
3.4852270000.7625
3.5498275000.7599
3.6143280000.7529
3.6788285000.7554
3.7434290000.7561
3.8079295000.7523
3.8725300000.7518
3.9370305000.7481
4.0015310000.7459
4.0661315000.7404
4.1306320000.7297
4.1952325000.7408
4.2597330000.7376
4.3243335000.7394
4.3888340000.7422
4.4533345000.7311
4.5179350000.7283
4.5824355000.7356
4.6470360000.7309
4.7115365000.7377
4.7760370000.7353
4.8406375000.7286
4.9051380000.7360
4.9697385000.7317

Training Time

  • Training: 4.1 hours

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
693e7a2

0 моделей