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

Hugging Face

evalllm2026-mesh-finetuned

cea-list-ia

ЭмбеддингиТекст → embedding3 профессии

Дообученный медицинский эмбеддинг-ретривер для связывания упоминаний сущностей с терминами MeSH.

120скачиваний 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

Модель cea-list-ia/evalllm2026-mesh-finetuned разработана CEA-LIST для участия в соревновании evalLLM2026. Это дообученная на данных соревнования модель-ретривер на базе BAAI/bge-m3: она преобразует медицинские предложения в эмбеддинги и помогает находить соответствующие термины MeSH для связывания упоминаний сущностей. В README рекомендован префикс запроса «Represent this medical sentence for retrieving relevant MeSH terms:». Модель построена на XLM-RoBERTa, содержит 658,7 млн параметров и поддерживает контекст до 8194 токенов. Лицензия — Apache-2.0.

Сценарии применения

поиск подходящих терминов MeSH по медицинскому предложению
связывание медицинских сущностей с MeSH
семантический поиск медицинских понятий
ранжирование терминов MeSH по близости к запросу

Ограничения

Модель специализирована на поиске терминов MeSH для связывания медицинских сущностей; для запросов рекомендуется использовать указанный в README префикс. В README не приведены количественные оценки качества.

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 IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

cea-list-ia/evalllm2026-mesh-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 Model)
Training Data: Wikipedia, further trained on the training data of the challenge.

This retriever is an embedding model designed to find the closest matches in MeSH for entity linking.

Usage

Query Prefix

To use this model, you should prompt it with the following query prefix: Represent this medical sentence for retrieving relevant MeSH 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: 8a271a5