/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
sentence-transformers
Опубликована
13 авг 2024

slx-v0.1

ЭмбеддингиТекст → embedding10 профессий

SLX-v0.1 кодирует английские предложения и короткие абзацы в векторы для семантического поиска, кластеризации и сравнения сходства.

214скачиваний за 30 дней0лайковвеса обновлены16 авг 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.

  • MLQARetrieval

    main_score

    Результат

    0,0328

    Общий результат 0,4827Общий результат 0,0446Общий результат 0,0402
    MTEB

    Публичная таблицаревизия совпадает

  • MassiveIntentClassification

    main_score

    Результат

    0,3379

    Общий результат 0,131
    MTEB

    Публичная таблицаревизия не подтверждена

  • MultiEURLEXMultilabelClassification

    main_score

    Результат

    0,0143

    Общий результат 0,0279Общий результат 0,0196
    MTEB

    Публичная таблицаревизия совпадает

  • ToxicConversationsClassification

    main_score

    Результат

    0,6209

    MTEB

    Публичная таблицаревизия не подтверждена

  • SIB200ClusteringS2S

    main_score

    Результат

    0,0777

    Общий результат 0,1785Общий результат 0,0916Общий результат 0,0813
    MTEB

    Публичная таблицаревизия совпадает

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,0166

    Общий результат 0,0205Общий результат 0,0046
    MTEB

    Публичная таблицаревизия совпадает

  • CodeSearchNetRetrieval

    main_score

    Результат

    0,7928

    MTEB

    Публичная таблицаревизия совпадает

  • STS22.v2

    main_score

    Результат

    0,5969

    MTEB

    Публичная таблицаревизия совпадает

  • Tatoeba

    main_score

    Результат

    0,0354

    Общий результат 0,0007
    MTEB

    Публичная таблицаревизия совпадает

  • SemRel24STS

    main_score

    Результат

    0,3974

    MTEB

    Публичная таблицаревизия совпадает

  • CataloniaTweetClassification

    main_score

    Результат

    0,4649

    MTEB

    Публичная таблицаревизия совпадает

  • CodeEditSearchRetrieval

    main_score

    Результат

    0,5323

    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLReranking

    main_score

    Результат

    0,0818

    MTEB

    Публичная таблицаревизия совпадает

  • XNLI

    main_score

    Результат

    0,5835

    MTEB

    Публичная таблицаревизия совпадает

  • MasakhaNEWSClusteringS2S

    main_score

    Результат

    0,3104

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveScenarioClassification

    main_score

    Результат

    0,1061

    Общий результат 0,4292Общий результат 0,3878
    MTEB

    Публичная таблицаревизия не подтверждена

  • CUREv1

    main_score

    Результат

    0,0425

    Общий результат 0,0292
    MTEB

    Публичная таблицаревизия совпадает

  • XPQARetrieval

    main_score

    Результат

    0,0857

    Общий результат 0,1305Общий результат 0,059
    MTEB

    Публичная таблицаревизия совпадает

  • STS22

    main_score

    Результат

    −0,0493

    MTEB

    Публичная таблицаревизия совпадает

  • Robust04InstructionRetrieval

    main_score

    Результат

    −0,0793

    MTEB

    Публичная таблицаревизия совпадает

  • SwedishSentimentClassification

    main_score

    Результат

    0,729

    MTEB

    Публичная таблицаревизия совпадает

  • STS17

    main_score

    Результат

    0,045

    MTEB

    Публичная таблицаревизия совпадает

  • NusaXBitextMining

    main_score

    Результат

    0,2348

    Общий результат 0,1507
    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLRetrieval

    main_score

    Результат

    0,0035

    MTEB

    Публичная таблицаревизия совпадает

  • WinoGrande

    main_score

    Результат

    0,4734

    MTEB

    Публичная таблицаревизия совпадает

  • STSBenchmarkMultilingualSTS

    main_score

    Результат

    0,6685

    MTEB

    Публичная таблицаревизия совпадает

  • NusaX-senti

    main_score

    Результат

    0,5475

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SLX-v0.1 — модель BRAHMAI Research для преобразования предложений и коротких абзацев в плотные векторы размерностью 384, отражающие их смысл. Она построена на архитектуре BERT и использует библиотеку Sentence-Transformers; число параметров — 25,9 млн, максимальный контекст по метаданным — 512 токенов. В README указано, что вход длиннее 256 word pieces по умолчанию обрезается.

Модель предназначена для семантического поиска, извлечения информации, кластеризации и сравнения сходства предложений. Она дообучена контрастивным методом на основе nreimers/MiniLM-L6-H384-uncased, а затем адаптирована для англоязычных задач с использованием dunzhang/stella_en_400M_v5 и внутреннего набора данных. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

  • семантический поиск по коллекции текстов
  • поиск документов по смыслу запроса
  • сравнение смыслового сходства предложений
  • кластеризация коротких текстов по тематике
  • извлечение информации по близости эмбеддингов

Ограничения

Предназначена для английского языка; тексты длиннее 256 word pieces по умолчанию обрезаются. Контекст ограничен 512 токенами.

Для каких профессий подходит10

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

SLX-v0.1

SLX-v0.1 is an advanced model developed by BRAHMAI Research, specifically designed for mapping sentences and paragraphs into a 384-dimensional dense vector space. This model is ideal for tasks such as clustering, semantic search, and sentence similarity.

Usage with Sentence-Transformers

Using SLX-v0.1 is straightforward with the Sentence-Transformers library. Follow the instructions below to get started:

Installation

pip install -U sentence-transformers

Example

from sentence_transformers import SentenceTransformer

sentences = ["This is an example sentence", "Each sentence is converted"]
model = SentenceTransformer('brahmairesearch/slx-v0.1')
embeddings = model.encode(sentences)

print(embeddings)

Usage with Hugging Face Transformers

If you prefer to use Hugging Face Transformers without the Sentence-Transformers library, you can still utilize the SLX-v0.1 model. Below is a guide on how to process input and apply mean pooling to obtain sentence embeddings:

from transformers import AutoTokenizer, AutoModel
import torch
import torch.nn.functional as F

# Mean Pooling - Takes attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0]  # Token embeddings from the model output
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)

# Sentences for embedding
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from Hugging Face Hub
tokenizer = AutoTokenizer.from_pretrained('brahmairesearch/slx-v0.1')
model = AutoModel.from_pretrained('brahmairesearch/slx-v0.1')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

# Normalize embeddings
sentence_embeddings = F.normalize(sentence_embeddings, p=2, dim=1)

print("Sentence embeddings:")
print(sentence_embeddings)

Intended Use Cases

SLX-v0.1 is designed for encoding sentences and short paragraphs into dense vectors that capture their semantic information. These embeddings can be used for:

  • Information retrieval
  • Clustering
  • Sentence similarity tasks

Please note that input text longer than 256 word pieces will be truncated by default.

Training Procedure

Pre-training

SLX-v0.1 is based on the pre-trained model nreimers/MiniLM-L6-H384-uncased. For more information on the pre-training process, please refer to the original model card.

Fine-tuning

The model was fine-tuned using a contrastive learning objective. Cosine similarity is computed between all possible sentence pairs within a batch, and cross-entropy loss is applied using the true pairs.

Following fine-tuning, the model underwent transfer learning using the dunzhang/stella_en_400M_v5 model with an internally curated dataset, optimizing it for English language tasks.

Contact

For inquiries or feedback, feel free to reach out to us at hello@brahmai.in.

Best regards,
The BRAHMAI Team

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
688c83f

0 моделей