Характеристики

Контекст: 8 194 токена
Параметры: 659 млн
Лицензия: Apache 2.0
Архитектура: xlm-roberta · dense
Базовая модель: bge-m3
Библиотека: sentence-transformers
Опубликована: 10 июн 2026

Ссылки

evalllm2026-geonames-finetuned

ЭмбеддингиТекст → embedding3 профессии

Дообученный CEA-LIST ретривер кодирует географические упоминания в эмбеддинги для поиска соответствующих записей GeoNames.

131скачиваний за 30 дней1лайквеса обновлены10 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

CEA-LIST дообучила эту модель для участия в соревновании evalLLM2026. Это dense-ретривер на архитектуре XLM-RoBERTa, предназначенный для связывания географических упоминаний с подходящими записями GeoNames: модель кодирует текст в эмбеддинги, по которым можно искать ближайшие совпадения. В README также указано обучение на Wikipedia с последующим дообучением на тренировочных данных соревнования.

Модель основана на BAAI/bge-m3 и содержит 658,7 млн параметров. Она принимает текст и выдаёт эмбеддинги для поиска и оценки сходства предложений; заявленная длина контекста — 8194 токена. Для запросов README рекомендует префикс “Represent this geographical sentence for retrieving relevant GeoNames terms:”. Метаданные указывают французский и английский языки; лицензия — Apache-2.0.

Модель рассчитана на географический entity linking и поиск соответствующих терминов GeoNames. Данные не подтверждают качество на других языках или задачах, поэтому применять её за пределами этого сценария следует с проверкой результатов.

Сценарии применения

поиск подходящей записи GeoNames по географическому упоминанию в тексте
сопоставление названий географических объектов с терминами GeoNames
получение кандидатов для системы связывания географических сущностей

Ограничения

README описывает модель для поиска по GeoNames в задаче соревнования evalLLM2026; качество для других задач и языков не подтверждено. Для запросов рекомендуется использовать указанный в карточке префикс.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

cea-list-ia/evalllm2026-geonames-finetuned

This model was trained by the CEA-LIST to participate in the evalLLM2026 challenge.

Model Description

Trained by: CEA-LIST
Task: Entity Linking (MeSH)
Type: Retriever (Embedding)
Training Data: Wikipedia, further trained on the training data of the challenge.

This retriever is an embedding models designed to find the closest match in GeoNames for entity linking.

Usage

Query Prefix

To use this model, you should prompt it with the following query prefix: Represent this geographical sentence for retrieving relevant GeoNames terms:

More Information

For more details, please refer to the GitHub repository.

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: XLMRobertaModel
Ревизия весов: 25de8de