/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
303 млн
Архитектура
gemma3_text · dense
Базовая модель
embeddinggemma-300m
Библиотека
sentence-transformers
Опубликована
5 авг 2026

smiles_embedding_gemma_FT

ЭмбеддингиТекст → embedding3 профессии

Дообученная текстовая Gemma модель, создающая эмбеддинги для поиска и сравнения молекулярных строк SMILES.

30скачиваний за 30 дней0лайковвеса обновлены5 авг 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

cafierom/smiles_embedding_gemma_FT — текстовая Sentence Transformer модель, дообученная на базе google/embeddinggemma-300m. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для поиска и сравнения текстовых представлений с использованием косинусного сходства. Модель построена на архитектуре Gemma 3 Text и содержит около 302,8 млн параметров.

В карточке указаны обучение на 3 396 парах premise и hypothesis и оценка на 600 примерах с метками; примеры состоят из строк SMILES, поэтому модель ориентирована на сравнение и поиск сходства между текстовыми представлениями молекул. Для неё указана максимальная длина последовательности 128 токенов; метаданные базовой модели указывают контекст 2 048 токенов. Поддерживается текстовый ввод, выход — векторные эмбеддинги. Лицензия в предоставленных данных не указана.

Сценарии применения

  • семантический поиск похожих молекулярных строк SMILES
  • сравнение двух текстовых представлений молекул
  • извлечение эмбеддингов молекулярных описаний для поиска
  • кластеризация молекул по сходству их строковых представлений

Ограничения

Максимальная длина последовательности в README составляет 128 токенов. Обучающие и оценочные данные представлены небольшими наборами строк SMILES; качество на обычном естественном языке и на других химических задачах в карточке не характеризуется.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SentenceTransformer based on google/embeddinggemma-300m

This is a sentence-transformers model finetuned from google/embeddinggemma-300m. 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
  • Base model: google/embeddinggemma-300m
  • Maximum Sequence Length: 128 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity
  • Supported Modality: Text

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': 'Gemma3TextModel'})
  (1): Pooling({'embedding_dimension': 768, 'pooling_mode': 'mean', 'include_prompt': True})
  (2): Dense({'in_features': 768, 'out_features': 3072, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity', 'module_input_name': 'sentence_embedding', 'module_output_name': 'sentence_embedding'})
  (3): Dense({'in_features': 3072, 'out_features': 768, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity', 'module_input_name': 'sentence_embedding', 'module_output_name': 'sentence_embedding'})
  (4): Normalize({})
)

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("cafierom/smiles_embedding_gemma_FT")
# Run inference
queries = [
    'CCC(CC)(c1ccccc1)c1ccc(\\C=C\\[C@@H](O)C[C@@H](O)CC([O-])=O)c(c1)-c1ccccc1F',
]
documents = [
    'Cc1ccc(C(=C(\\C=C\\[C@@H](O)C[C@@H](O)CC([O-])=O)c2nnnn2C)c2ccc(C)cc2C)c(C)c1',
    'O[C@H](CCn1c(nc(c1-c1ccc(F)cc1)-c1ccc(F)cc1)C(F)(F)F)C[C@@H](O)CC([O-])=O',
    'CC(C)c1c(c(c(-c2ccc(F)cc2)n1CC[C@@H](O)C[C@@H](O)CC([O-])=O)-c1ccccc1)S(=O)(=O)N(C)C',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 768] [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[0.9356, 0.9019, 0.5159]])

Training Details

Training Dataset

Unnamed Dataset

  • Size: 3,396 training samples
  • Columns: premise, hypothesis, and label
  • Approximate statistics based on the first 100 samples:
    premisehypothesislabel
    typestringstringint
    modalitytexttext
    detailsmin: 18 tokensmean: 58.11 tokensmax: 117 tokensmin: 11 tokensmean: 54.91 tokensmax: 119 tokens0: ~55.77%2: ~44.23%
  • Samples:
    premisehypothesislabel
    CCC@HC(=O)O[C@H]1CC@H\C=C\Cc1ccccc1Cc1cc(-c2ccc(Cl)cc2)c(\C=C[C@@H]2CC@@HCC(=O)O2)c(C)n12
    CC(C)n1c(CCC@@HCC@@HCC([O-])=O)c(c(c1C(=O)Nc1ccccc1)-c1ccccc1)-c1ccc(F)cc1CC(C)n1c(CCC@@HCC@@HCC([O-])=O)c(c(c1C(=O)NCc1ccccn1)-c1ccccc1)-c1ccc(F)cc10
    CC(C)n1c(CCC@@HCC@@HCC([O-])=O)c(c(c1C(=O)N(C)C)-c1ccccc1)-c1ccc(F)cc1COc1ccc2ccccc2c1-c1ccc(C(C)C)n1CC[C@@H]1CC@@HCC(=O)O12
  • Loss: SoftmaxLoss with these parameters:
    {
        "num_labels": 3,
        "concatenation_sent_rep": true,
        "concatenation_sent_difference": true,
        "concatenation_sent_multiplication": false
    }
    

Evaluation Dataset

Unnamed Dataset

  • Size: 600 evaluation samples
  • Columns: premise, hypothesis, and label
  • Approximate statistics based on the first 100 samples:
    premisehypothesislabel
    typestringstringint
    modalitytexttext
    detailsmin: 11 tokensmean: 56.06 tokensmax: 101 tokensmin: 12 tokensmean: 55.85 tokensmax: 119 tokens0: ~41.35%2: ~58.65%
  • Samples:
    premisehypothesislabel
    CNc1cccc(c1)-c1nc(C(C)C)n(\C=C[C@@H](O)CC@@HCC([O-])=O)c1-c1ccc(F)cc1CC(C)c1c(CCC@@HCC@@HCC([O-])=O)c(cn1-c1ccccc1)-c1ccc(F)cc10
    CC(C)c1nc(nc(-c2ccc(F)cc2)c1\C=C[C@@H]1CC@@HCC(OCC(Cl)(Cl)Cl)O1)N(C)S(C)(=O)=OCC(C)c1nn(-c2nc3ccccc3s2)c(c1\C=C[C@@H](O)CC@@HCC([O-])=O)-c1ccc(F)cc12
    Cc1c(\C=C[C@H](O)CC@@HCC([O-])=O)c(cn1-c1ccccc1)-c1ccc(F)cc1CC@H[C@H]1CC(=O)[C@@]2(C)C3=C(C(=O)C[C@]12C)[C@@]1(C)CCC(=O)C@@(COC(=O)CC@@(O)CC(O)=O)[C@@H]1CC3=O2
  • Loss: SoftmaxLoss with these parameters:
    {
        "num_labels": 3,
        "concatenation_sent_rep": true,
        "concatenation_sent_difference": true,
        "concatenation_sent_multiplication": false
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • warmup_steps: 10
  • optim: adafactor
  • weight_decay: 0.01
  • bf16: True
  • load_best_model_at_end: True
  • dataloader_pin_memory: False

All Hyperparameters

  • per_device_train_batch_size: 8
  • num_train_epochs: 3
  • max_steps: -1
  • learning_rate: 5e-05
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: None
  • warmup_steps: 10
  • optim: adafactor
  • optim_args: None
  • weight_decay: 0.01
  • 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: True
  • 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: True
  • 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: False
  • 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 LossValidation Loss
0.0471200.9762-
0.0941400.8931-
0.117650-0.8680
0.1412600.8805-
0.1882800.8463-
0.23531000.81860.8070
0.28241200.8125-
0.32941400.7831-
0.3529150-0.7607
0.37651600.7789-
0.42351800.7543-
0.47062000.71190.7341
0.51762200.7230-
0.56472400.7006-
0.5882250-0.6976
0.61182600.6999-
0.65882800.6649-
0.70593000.66930.6542
0.75293200.6768-
0.83400.6203-
0.8235350-0.6334
0.84713600.6820-
0.89413800.6402-
0.94124000.63270.6568
0.98824200.5882-
1.03534400.6258-
1.0588450-0.6009
1.08244600.5778-
1.12944800.6016-
1.17655000.52510.5823
1.22355200.5810-
1.27065400.5700-
1.2941550-0.5618
1.31765600.5384-
1.36475800.6171-
1.41186000.58610.5493
1.45886200.5898-
1.50596400.5139-
1.5294650-0.5250
1.55296600.5235-
1.66800.4972-
1.64717000.50560.5538
1.69417200.5550-
1.74127400.5275-
1.7647750-0.5268
1.78827600.5224-
1.83537800.4965-
1.88248000.47680.5072
1.92948200.5545-
1.97658400.5012-
2.0850-0.5041
2.02358600.5343-
2.07068800.4404-
2.11769000.46790.4866
2.16479200.5153-
2.21189400.4592-
2.2353950-0.4959
2.25889600.4473-
2.30599800.5223-
2.352910000.49170.4882
2.410200.4113-
2.447110400.5266-
2.47061050-0.4844
2.494110600.4752-
2.541210800.4672-
2.588211000.50190.4730
2.635311200.4282-
2.682411400.3954-
2.70591150-0.4660
2.729411600.4608-
2.776511800.4770-
2.823512000.47470.4630
2.870612200.5013-
2.917612400.3948-
2.94121250-0.4606
2.964712600.4259-
3.01275-0.4595
  • The bold row denotes the saved checkpoint.

Training Time

  • Training: 31.9 minutes
  • Evaluation: 19.4 minutes
  • Total: 51.3 minutes

Framework Versions

  • Python: 3.12.13
  • Sentence Transformers: 5.6.1
  • Transformers: 5.14.1
  • PyTorch: 2.13.0
  • Accelerate: 1.14.0
  • Datasets: 5.0.1
  • Tokenizers: 0.22.2

Citation

BibTeX

Sentence Transformers and SoftmaxLoss

@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",
}

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
Gemma3TextModel
Ревизия весов
363e391

0 моделей