/ Модель

Характеристики

Контекст
7 999 токенов
Параметры
16,8 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
ettin-encoder-17m
Библиотека
sentence-transformers
Опубликована
31 мая 2026

ettin-encoder-17m-pretrain-50m

ЭмбеддингиТекст → embedding8 профессий

Компактный англоязычный энкодер ModernBERT для векторного поиска и вычисления сходства между запросами и документами.

125скачиваний за 30 дней4лайкавеса обновлены31 мая 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

capemox/ettin-encoder-17m-pretrain-50m — компактный энкодер для поиска по смыслу и извлечения эмбеддингов, разработанный на основе jhu-clsp/ettin-encoder-17m. Это чекпойнт первого этапа обучения ModernBERT с 16,8 млн параметров: его контрастивно предобучили на сбалансированной выборке из 50 млн пар запрос–документ с использованием MultipleNegativesRankingLoss. Модель предназначена для векторного поиска без дополнительного обучения и как стартовая точка для последующей настройки на специализированных данных.

В тестах без дообучения модель показала NDCG@10 0,4482 на ArguAna и 0,2548 на FiQA2018; агрегированный результат на NanoBEIR составил 0,5074. Модель принимает текст и выдаёт эмбеддинги; карточка ориентирована на английский язык, а контекст составляет 7 999 токенов. Для установки и использования заявлена библиотека sentence-transformers. Лицензия — Apache-2.0.

Это чекпойнт только предобучения: он не проходил supervised fine-tuning на данных для поиска, поэтому качество может уступать специализированным моделям после такой настройки. Приведённые результаты относятся к конкретным тестам и не гарантируют качество на других корпусах.

Сценарии применения

  • Поиск документов по текстовому запросу
  • Построение эмбеддингов для семантического поиска
  • Сравнение смысловой близости предложений
  • Создание начального чекпойнта для дообучения на данных поиска

Ограничения

Модель находится на этапе предобучения и не проходила supervised fine-tuning на специализированных данных для поиска; качество на новых корпусах может отличаться от приведённых результатов.

Для каких профессий подходит8

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

ettin-encoder-17m-pretrain-50m

A retrieval encoder pretrained from jhu-clsp/ettin-encoder-17m on a 50M-pair balanced split of the DenseOn embeddings pre-training dataset.

Training data: this model was contrastively pretrained on capemox/denseon-pretrain-50m-balanced, a 50,000,000-pair sample drawn from the DenseOn corpus lightonai/embeddings-pre-training-curated (665M curated query–document pairs across 34 sources). Pairs are sampled with T=2 temperature weighting + iterative equal-redistribution capping so that no single source dominates the mix.

This is a Stage 1 (pretraining-only) checkpoint — it has not been fine-tuned on supervised retrieval data. Use it as a strong starting point for Stage 2 fine-tuning, or as a zero-shot retrieval encoder.

Training recipe

Base modeljhu-clsp/ettin-encoder-17m (ModernBERT, ~17M params)
Training datacapemox/denseon-pretrain-50m-balanced (50M pairs, DenseOn split)
LossMultipleNegativesRankingLoss (full, in-batch negatives)
Batch size1024 (1023 in-batch negatives/anchor)
Per-source batchingeach batch drawn from one source dataset (DenseOn recipe)
Learning rate3e-5, linear decay, 5% warmup
Epochs1 (~48,827 steps)
Precisionbf16 + tf32, SDPA, torch.compile
Hardware1× A100-80GB, ~5h 26m

Evaluation (Stage 1 checkpoint, NDCG@10)

BEIR subset (zero-shot, no fine-tuning):

DatasetNDCG@10
ArguAna0.4482
FiQA20180.2548
NFCorpus0.2605
SCIDOCS0.1629
SciFact0.6276
TRECCOVID0.5044
Mean0.3764

NanoBEIR (13-dataset aggregate, end of training): 0.5074

Downstream value

When this checkpoint is fine-tuned on MS MARCO hard negatives (tomaarsen/msmarco-Qwen3-Reranker-0.6B), it reaches 0.3061 mean BEIR NDCG@10 — versus 0.2264 for the same fine-tune starting from the raw base model (+35% from this pretraining step).

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("capemox/ettin-encoder-17m-pretrain-50m")

queries = ["What is the capital of France?"]
docs    = ["Paris is the capital and largest city of France."]

q = model.encode(queries, normalize_embeddings=True)
d = model.encode(docs,    normalize_embeddings=True)
print(q @ d.T)

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
ModernBertModel
Ревизия весов
cd611f8

0 моделей